论文目录 | |
摘要 | 第1-5页 |
ABSTRACT | 第5-8页 |
第一章 绪论 | 第8-14页 |
1.1 课题研究背景及意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.3 本文主要工作 | 第12-13页 |
1.4 本文结构安排 | 第13-14页 |
第二章 互信息理论的原理与数学基础 | 第14-18页 |
2.1 信息熵 | 第14-16页 |
2.1.1 信息熵的基本概念 | 第14页 |
2.1.2 离散二维平稳信源及信息熵 | 第14-15页 |
2.1.3 微分熵 | 第15-16页 |
2.2 互信息原理及数学基础 | 第16-18页 |
第三章 高斯白噪声的Brown entropy样本熵的数值实验 | 第18-38页 |
3.1 高斯白噪声方差置信区间的说明 | 第18页 |
3.2 高斯白噪声的Brown entropy样本熵的数值实验结果 | 第18-24页 |
3.2.1 σ=0.5,最大样本容量分别为3000和 100 | 第20-21页 |
3.2.2 σ=3,最大样本容量分别为3000和 100 | 第21-22页 |
3.2.3 σ=7,最大样本容量分别为3000和 100 | 第22-23页 |
3.2.4 σ =23,最大样本容量分别为3000和 100 | 第23-24页 |
3.2.5 数值实验小结: | 第24页 |
3.3 “真随机数”σ =1,最大样本容量分别为3000和 100 | 第24-26页 |
3.4 高斯白噪声抽样序列的方差不变 | 第26-27页 |
3.5 样本Brown熵的拟合 | 第27-33页 |
3.5.1 拟合函数的优选 | 第27-31页 |
3.5.2 选用Rat01进行Brown熵的差值拟合(样本容量 3000) | 第31-32页 |
3.5.3 选用Rat12进行Brown熵的差值拟合(样本容量 100) | 第32-33页 |
3.6 离散熵的稳健性 | 第33-38页 |
第四章 互信息与机器人主动嗅觉算法 | 第38-55页 |
4.1 嗅觉机器人简介 | 第38-39页 |
4.2 机器人主动嗅觉概述 | 第39-41页 |
4.3 典型的多个机器人搜索气味源的算法 | 第41-43页 |
4.4 熵值和互信息在机器人搜索策略中的分析 | 第43-46页 |
4.5 机器人主动嗅觉算法的评价策略 | 第46-55页 |
4.5.1 评价指标分析 | 第46-48页 |
4.5.2 新的嗅觉搜索策略评价思路 | 第48-50页 |
4.5.3 熵值理论在路径中的统计分析 | 第50-55页 |
第五章 总结与展望 | 第55-57页 |
5.1 总结 | 第55页 |
5.2 展望 | 第55-57页 |
参考文献 | 第57-61页 |
发表论文和参加科研情况说明 | 第61-62页 |
致谢 | 第62-63页 |