机读格式显示(MARC)

• 000 01835nam0 2200361 450

• 001 0000557129

• 005 20160118085900.0

• 010 __ |a 978-7-118-10247-5 |d CNY45.00

• 099 __ |a CAL 012015132333

• 100 __ |a 20150922d2015 em y0chiy50 ea

• 101 1_ |a chi |c fin

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 贝叶斯滤波与平滑 |A bei ye si lv bo yu ping hua |f (芬) 希莫·萨日伽著 |d = Bayesian filtering and smoothing |f Simo Sarkka |g 程建华, 陈岱岱, 管冬雪等译 |z eng

• 210 __ |a 北京 |c 国防工业出版社 |d 2015

• 215 __ |a xii, 184页 |c 图 |d 24cm

• 300 __ |a 国家自然科学基金资助

• 314 __ |a 责任者Sarkka规范中译姓: 塞尔克

• 320 __ |a 有书目 (第176-184页)

• 330 __ |a 本书主要围绕贝叶斯滤波与平滑的相关知识点展开。首先，介绍了贝叶斯理论的基本原理，包括：贝叶斯滤波与平滑的概念及应用，贝叶斯推理的基本内容与贝叶斯解算所涉及的数学基本方法，以及贝叶斯估计理论。其次，论述了贝叶斯滤波的算法、推导与特点，内容包括：经典线性卡尔曼滤波，非线性卡尔曼滤波，广义高斯滤波框架以及粒子滤波。随后，论述了贝叶斯平滑的算法、推导与特点，内容上基本对应于贝叶斯滤波部分，包括：RTS平滑器，非线性RTS平滑器，广义高斯平滑框架以及粒子平滑器。接着，介绍了状态空间模型的参数估计方法，以及如何利用书中前面章节所述的滤波、平滑方法进行参数估计。最后，针对不同应用对象，给出了估计方法选择方面的建议,并对贝叶斯估计涉及的关键技术进行了讨论。

• 510 1_ |a Bayesian filtering and smoothing |z eng

• 606 0_ |a 贝叶斯理论 |A bei ye si li lun |x 滤波理论

• 606 0_ |a 贝叶斯理论 |A bei ye si li lun |x 平滑

• 690 __ |a TP13 |v 5

• 690 __ |a TN911.23 |v 5

• 701 _1 |a 塞尔克 |A sai er ke |g (Sarkka, Simo) |4 著

• 702 _0 |a 程建华 |A cheng jian hua |4 译

• 702 _0 |a 陈岱岱 |A chen dai dai |4 译

• 702 _0 |a 管冬雪 |A guan dong xue |4 译

• 801 _0 |a CN |b 浙江省新华书店集团公司 |c 20150922

• 905 __ |a SCNU |f TP13/9090

• 920 __ |a 242430 |z 1