Bayesian methodsBayesian / computational
顺序蒙特卡洛
顺序蒙特卡洛（SMC）是一类基于模拟的算法，通过传播和重新加权一组称为粒子的加权随机样本来逼近演化的概率分布。它能够自然地处理非线性、非高斯模型和数据流，使其成为实时状态估计和复杂分布后验逼近的首选方法。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+41 more
来源
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F - Radar and Signal Processing, 140(2), 107–113. DOI: 10.1049/ip-f-2.1993.0015 ↗
- Del Moral, P., Doucet, A., & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
如何引用本页
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/zh/bayesian/sequential-monte-carlo
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.
- 近似贝叶斯计算仿真↔ compare
- Gibbs Sampling贝叶斯↔ compare
- Hamiltonian Monte Carlo贝叶斯↔ compare
- 卡尔曼滤波器贝叶斯↔ compare
- 马尔可夫链蒙特卡洛 (MCMC)贝叶斯↔ compare
- 粒子滤波器（序贯蒙特卡洛）贝叶斯↔ compare
被引用于
近似贝叶斯计算带测量误差的近似贝叶斯计算缺失数据下的近似贝叶斯计算动态贝叶斯分层模型动态贝叶斯推断动态贝叶斯模型平均动态贝叶斯网络动态哈密顿蒙特卡洛动态蒙特卡洛模拟动态粒子滤波器动态序贯蒙特卡洛法动态变分推断分层近似贝叶斯计算分层自助法模拟分层卡尔曼滤波器分层粒子滤波器卡尔曼滤波器带测量误差的卡尔曼滤波器带缺失数据的卡尔曼滤波器Metropolis-Hastings算法Metropolis-Hastings 用于模型比较带缺失数据蒙特卡洛模拟多层近似贝叶斯计算多层自助法模拟多层蒙特卡洛模拟带测量误差的粒子滤波器带缺失数据的粒子滤波器稳健近似贝叶斯计算鲁棒卡尔曼滤波器 (Robust Kalman Filter)稳健马尔可夫链蒙特卡洛 (Robust Markov Chain Monte Carlo)稳健蒙特卡洛模拟稳健粒子滤波器鲁棒序贯蒙特卡洛带测量误差的序贯蒙特卡洛缺失数据的序贯蒙特卡洛方法空间近似贝叶斯计算空间自举模拟空间卡尔曼滤波器空间蒙特卡洛模拟时间序列近似贝叶斯计算时间序列贝叶斯推断时间序列贝叶斯模型平均时间序列卡尔曼滤波时间序列 MCMC时间序列粒子滤波器时间序列序列蒙特卡洛方法时间序列变分推断