全文总字数：488字
1. 研究目的与意义
隐马尔科夫因子模型在解释数据的异质性和关联性等方面具有重要作用。该模型由观测的因子分析模型和不可观测的状态模型构成.前者刻画多个观测指标的关联性，而后者指出数据中潜在类的转移规律。 由于因子变量的引入，导致模型不可观测的变量急剧增加，这对于参数的极大似然估计值的计算带来困难。 本研究主要是考虑如何结合当前流行的参数扩张技术来提高隐马尔科夫因子模型的计算效率，包括计算时间，估计的精度等。
2. 国内外研究现状分析
因子模型在刻画潜在因素（因子）与观测变量之间的影响关系并进而解释多元观测指标（变量）间的相关性方面具有重要作用。在实际应用中，观测数据往往呈现出时序变异多峰、偏态等特性。将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型，并建立了半参数贝叶斯分析程序。分块GIBBS抽样器用于以后验抽样，经检验结果所展示所建立的统计程序是有效的。
3. 研究的基本内容与计划
参数扩张技术的原理及一般应用
隐马尔科夫因子基本模型构造
参数扩张技术对隐马尔可夫因子模型的极大似然估计的应用
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 研究创新点
结合参数扩张技术来看隐马尔可夫因子模型
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
