copula分布估计算法

前言
第1章 绪论
1.1 智能计算
1.1.1 人工智能
1.1.2 进化计算
1.1.3 无免费午餐定理
1.2 遗传算法
1.2.1 基本算法
1.2.2 模式定理
1.2.3 建筑块假设
1.3 分布估计算法
1.3.1 变量相关性方面的研究
1.3.2 算法改进方面的研究
1.3.3 收敛性与复杂性分析
1.4 本书的结构安排
参考文献
第2章 copula理论及copula分布估计算法框架
2.1 copula理论的基本概念和定理
2.1.1 c叩ula理论的起源
2.1.2 copula函数的定义
2.1.3 copula函数的分类
2.1.4 copula理论的基本定理
2.2 copula分布估计算法框架
2.2.1 copula分布估计算法的思想
2.2.2 copula分布估计算法的基本步骤
2.2.3 copula分布估计算法与一般分布估计算法的比较
2.3 copula分布估计算法的收敛性
2.3.1 copula分布估计算法的形式化描述
2.3.2 理论基础
2.3.3 收敛性证明
2.4 小结
参考文献
第3章 二维copula分布估计算法
3.1 二维正态copula EDA
3.1.1 二维正态copula EDA的算法原理和步骤
3.1.2 二维正态copula EDA仿真实验
3.2 二维阿基米德copula EDA
3.2.1 二维阿基米德copula EDA的算法原理和步骤
3.2.2 二维阿基米德copula EDA仿真实验
3.3 小结
参考文献
第4章 多维经验copula分布估计算法
4.1 多维经验copula函数
4.1.1 经验copula函数的定义
4.1.2 经验copula函数的特征
4.2 经验copula EDA算法
4.2.1 算法分析
4.2.2 经验copula函数的条件分布函数的构造方式
4.2.3 经验copula EDA算法步骤及复杂性分析
4.3 多维经验copula EDA仿真实验
4.3.1 测试函数
4.3.2 参数设置
4.3.3 实验结果分析
4.4 小结
参考文献
第5章 多维阿基米德copula分布估计算法
5.1 阿基米德copula函数的采样方法
5.2 Clayton copula分布估计算法
5.2.1 Clayton copula函数
5.2.2 算法步骤
5.3 Gumbel copula分布估计算法
5.3.1 Gumbel copula函数
5.3.2 算法步骤
5.4 Frank copula分布估计算法
5.4.1 Frank copula函数
5.4.2 算法步骤
5.5 阿基米德copula EDA仿真实验
5.6 小结
参考文献
第6章 阿基米德copula EDA中的参数估计
6.1 极大似然估计的copula分布估计算法
6.1.1 极大似然估计的定义
6.1.2 MLE Clayton copula分布估计算法
6.1.3 仿真实验
6.1.4 MLE Clayton copula分布估计算法的改进
6.2 ：PMIJE估计参数的copula分布估计算法
6.2.1 PMLE估计参数的方法
6.2.2 Gumbel copula函数的PMLE估计法
6.2.3 Clayton copula函数的PMLE估计法
6.2.4 算法性能测试及分析
6.3 基于Kendall T估计参数的copula分布估计算法
6.3.1 关于Kendall T的基本理论
6.3.2 copula分布估计算法中的Kendall T估计参数法
6.3.3 算法性能测试及分析
6.4 小结
参考文献
第7章 copuIa EDA中的边缘分布函数和采样方法的研究
7.1 常见的概率分布函数
7.1.1 均匀分布
7.1.2 正态分布
7.1.3 经验分布
7.2 具有正态边缘分布的Clayton copula分布估计算法
7.2.1 对正态边缘分布函数的估计和采样
7.2.2 算法步骤
7.2.3 仿真实验
7.3 阿基米德copula EDA中采样方法的研究
7.3.1 采样方法
7.3.2 仿真实验
7.4 小结
参考文献
第8章 copula EDA在图像矢量量化中的应用研究
8.1 数字图像处理概述
8.2 静止图像编码的常用方法
8.2.1 图像编码
8.2.2 熵编码
8.2.3 预测编码
8.2.4 变换编码
8.2.5 子带编码
8.2.6 矢量量化
8.3 矢量量化器设计算法
8.3.1 算法步骤
8.3.2 算法改进方面的研究
8.4 基于copula分布估计算法的码书设计算法
8.4.1 算法分析
8.4.2 算法步骤
8.4.3 算法特点
8.5 实验分析
8.6 小结
参考文献
附录二 维正态copula分布估计算法程序