Bộ lọc Kalman với Dữ liệu Khuyết
Bộ lọc Kalman với dữ liệu khuyết mở rộng bộ lọc Kalman cổ điển để xử lý chuỗi thời gian trong đó một số quan sát bị thiếu. Khi một quan sát bị thiếu tại thời điểm t, bước cập nhật sẽ bị bỏ qua và ước tính trạng thái được chuyển tiếp chỉ từ bước dự đoán. Kết hợp với thuật toán Expectation-Maximisation (EM) (Kỳ vọng-Cực đại hóa), phương pháp này cũng ước tính các tham số mô hình chưa biết từ dữ liệu không đầy đủ, làm cho nó trở thành một công cụ thực tế cho các chuỗi được quan sát không đều trong thế giới thực.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Shumway, R. H. & Stoffer, D. S. (2000). Time Series Analysis and Its Applications. Springer. ISBN: 978-0387989501
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/vi/bayesian/kalman-filter-with-missing-data
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Suy luận Bayes với dữ liệu thiếuBayes↔ compare
- Thuật toán EMThống kê↔ compare
- Bộ lọc KalmanBayes↔ compare
- Bộ lọc hạt với dữ liệu thiếuBayes↔ compare
- Monte Carlo Tuần tựBayes↔ compare
- Mô hình không gian trạng thái (Bộ lọc Kalman)Kinh tế lượng↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →