前言
第1章緒論
1．1智能計算
1．1．1人工智能
1．1．2進化計算
1．1．3無免費午餐定理
1．2遺傳算法
1．2．1基本算法
1．2．2模式定理
1．2．3建築塊假設
1．3分布估計算法
1．3．1變量相關性方面的研究
1．3．2算法改進方面的研究
1．3．3收斂性與復雜性分析
1．4本書的結構安排
參考文獻
第2章copula理論及copula分布估計算法框架
2．1 copula理論的基本概念和定理
2．1．1 c叩ula理論的起源
2．1．2 copula函數的定義
2．1．3 copula函數的分類
2．1．4 copula理論的基本定理
2．2 copula分布估計算法框架
2．2．1 copula分布估計算法的思想
2．2．2 copula分布估計算法的基本步驟
2．2．3 copula分布估計算法與一般分布估計算法的比較
2．3 copula分布估計算法的收斂性
2．3．1 copula分布估計算法的形式化描述
2．3．2理論基礎
2．3．3收斂性證明
2．4小結
參考文獻
第3章二維copula分布估計算法
3．1二維正態copula EDA
3．1．1二維正態copula EDA的算法原理和步驟
3．1．2二維正態copula EDA仿真實驗
3．2二維阿基米德copula EDA
3．2．1二維阿基米德copula EDA的算法原理和步驟
3．2．2二維阿基米德copula EDA仿真實驗
3．3小結
參考文獻
第4章多維經驗copula分布估計算法
4．1多維經驗copula函數
4．1．1經驗copula函數的定義
4．1．2經驗copula函數的特征
4．2經驗copula EDA算法
4．2．1算法分析
4．2．2經驗copula函數的條件分布函數的構造方式
4．2．3經驗copula EDA算法步驟及復雜性分析
4．3多維經驗copula EDA仿真實驗
4．3．1測試函數
4．3．2參數設置
4．3．3實驗結果分析
4．4小結
參考文獻
第5章多維阿基米德copula分布估計算法
5．1阿基米德copula函數的采樣方法
5．2 Clayton copula分布估計算法
5．2．1Clayton copula函數
5．2．2算法步驟
5．3 Gumbel copula分布估計算法
5．3．1 Gumbel copula函數
5．3．2算法步驟
5．4 Frank copula分布估計算法
5．4．1 Frank copula函數
5．4．2算法步驟
5．5阿基米德copula EDA仿真實驗
5．6小結
參考文獻
第6章阿基米德copula EDA中的參數估計
6．1極大似然估計的copula分布估計算法
6．1．1極大似然估計的定義
6．1．2 MLE Clayton copula分布估計算法
6．1．3仿真實驗
6．1．4 MLE Clayton copula分布估計算法的改進
6．2：PMIJE估計參數的copula分布估計算法
6．2．1 PMLE估計參數的方法
6．2．2 Gumbel copula函數的PMLE估計法
6．2．3 Clayton copula函數的PMLE估計法
6．2．4算法性能測試及分析
6．3基於Kendall T估計參數的copula分布估計算法
6．3．1關於Kendall T的基本理論
6．3．2 copula分布估計算法中的Kendall T估計參數法
6．3．3算法性能測試及分析
6．4小結
參考文獻
第7章copuIa EDA中的邊緣分布函數和采樣方法的研究
7．1常見的概率分布函數
7．1．1均勻分布
7．1．2正態分布
7．1．3經驗分布
7．2具有正態邊緣分布的Clayton copula分布估計算法
7．2．1對正態邊緣分布函數的估計和采樣
7．2．2算法步驟
7．2．3仿真實驗
7．3阿基米德copula EDA中采樣方法的研究
7．3．1采樣方法
7．3．2仿真實驗
7．4小結
參考文獻
第8章copula EDA在圖像矢量量化中的應用研究
8．1數字圖像處理概述
8．2靜止圖像編碼的常用方法
8．2．1圖像編碼
8．2．2熵編碼
8．2．3預測編碼
8．2．4變換編碼
8．2．5子帶編碼
8．2．6矢量量化
8．3矢量量化器設計算法
8．3．1算法步驟
8．3．2算法改進方面的研究
8．4基於copula分布估計算法的碼書設計算法
8．4．1算法分析
8．4．2算法步驟
8．4．3算法特點
8．5實驗分析
8．6小結
參考文獻
附錄二維正態copula分布估計算法程序