文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 基于Parzen窗法的贝叶斯参数估计
侵权投诉

基于Parzen窗法的贝叶斯参数估计

计算机工程与应用摆玉龙,杨志民:基于窗法的贝叶斯参数估计ComputerEngineeringandApplicationsParzen2007,43

基于Parzen窗法的贝叶斯参数估计

(

基于Parzen窗法的贝叶斯参数估计

7

基于Parzen窗法的贝叶斯参数估计

)57

MMAE估计器的实现。电阻器的标称值为Rnom,允许误差是由

涂在电阻表面上的不同颜色的色环表示的。如果电阻器的允许误差为5%,则电阻器的真实阻值R在0.95Rnom和1.05Rnom之间。如果要对电阻器阻值做更精确的估计,可使用精密万用表,测量的误差可达2%。图3为223个电阻器的相对误差分布图。图中电阻器的相对测量值和标称值的相对误差是一一对应的。

5.2问题描述

为了找到一种不依赖于电阻实际阻值R的方法,根据相

对误差和相对测量值将问题转换。为此,定义以下变量:

电阻标称值的相对误差:

x=

Rnom-R

(4)

相对测量值:

z=Rnom-Rmeas

(5)

nom

在这些表达式中,z是用万用表测得的间接值,用以估计未知参数x。Rmeas可以根据

Rmeas=R+w

(6)

求得。其中w是万用表的误差,它的不确定度!w=0.02R。根据

x的估计值x

!,用式(4)的变形公式恢复R:R=R

nom2=Rnom(1-x+x…)≈Rnom(1-x)

(7)

这里,用到了泰勒级数展开,并忽略高次项。因为|x|<0.05,所以

近似值是封闭的,并且根据下式估计R:

R!=Rnom

(1-x!)(8)

略去高次项产生的误差影响远远小于x

!所带来的误差影响。因为R

!由x!的线性函数决定,所以任何适用于R!的损失函数也一定适用于x!。例如,如果x的MMAE估计是x!,那么,R的MMAE估计为R!。由式(5)、(6)、(7)可以得到z的表达式如下:

z=x-v2

2

=x-x+…+v(1-x+x+…)≈x-v(9)v是万用表的相对误差,且v=w。为了得到z的近似值,使用了1的去顶泰勒级数展开式。5.3设计步骤

为了得到MMAE估计器,首先,必须确定先验概率密度

p(x)和条件概率密度p(z|x),p(z|x)等价于p(v)。p(x)和p(z|x)

可分别由样本集xn和vn=zn-xn求得。求得这两个概率密度后,

就可以根据定理1完成MMAE估计器的设计。为了选取合适

的模型,使用直方图对概率密度进行初始估计。直方图法是一种根据一组样本构建概率密度的最简单的方法[9]。图4是由样本集xn和vn=zn-xn分别估计的先验概率密度函数和条件概率密度函数。

从图4中可看出,条件概率密度服从高斯正态分布,而先验概率密度可选择中心带有缺口的双峰分布或其它适当的分布形式。条件概率密度可用MATLAB中的normpdf命令得到,至于先验概率密度,选择Parzen窗估计。图5给出了不同窗宽下先验概率密度的估计,借助直方图,通过交叉验证法选出最好的参数值。

在利用交叉验证法确定窗宽delta最佳值后,按照定理1

得到的MMAE估计器可以用z和x

!(z)的函数关系曲线表示,如图6所示。为了检验估计器的性能,可以使用验证集动态检验。在零附近的邻域内,最优窗宽大小下的估计器表现出了优良的性能。

6结论

通过对贝叶斯参数估计法和Parzen窗法的讨论,在设定

绝对值函数为损失函数的基础上,给出了MMAE估计器的设

上一页第3页

你可能喜欢

  • 贝叶斯链式法则
  • 贝叶斯统计推断
  • 贝叶斯判别法
  • 贝叶斯统计
  • 贝叶斯统计习题
  • 贝叶斯统计试题

热门文档

相关文档

  • 基于参数Parzen窗估计的独立分量分析

    基于Parzen窗法的贝叶斯参... 4页 1财富值 基于参数模型和独立分量分... 6...基于 参数成孝 刚 , 窗估计 的独立分量分析’ ‘ 姜华 刘 国庆 陈启 美 ...

  • 贝叶斯参数估计

    ?非参数估计(nonparametric methods): 不用模型,而只利用训练数据本身对概率密度做 估计。如:Parzen窗方法,kn-近邻估计。 (Bayes,Thomas)(1702—1761) 贝叶斯是...

  • 核估计 parzen窗

    ? 在这些情况下,为了设计贝叶斯分类器, 仍然需要总体分布的知识。 ? ——非...KN-近邻法 非参数估计 非参数估计 非参数估计 Parzen窗法 Parzen窗法 ? ...

  • 基于非参数技术的贝叶斯人脸识别算法

    似然可以被写做两个 基于非参数估计方法考虑对贝叶斯分类器作另一扩展 : 使 ...由于最佳的窗函数选择总是一个问题 , 而 kn 近邻方法用 起来要比 Parzen窗...

  • 采用Parzen窗法的随机模式分类器研究

    模式作业_Parzen窗估计及m... 12页 1财富值 基于Parzen窗法的贝叶斯参... ...非参数估计法比参 数估计法实用,应用领域也更广泛一些。其方法有许多种,常用的...

  • 第3章 ML估计和Bayesian参数估计

    ?非参数估计(nonparametric methods): 不用模型,而只利用训练数据本身对概率密度做 估计。如:Parzen窗方法,kn-近邻估计。 最大似然估计和贝叶斯参数估计 ? 引言 ?...

  • 模式识别 实验二

    改用 Parzen 窗法或者 kn 近邻法估计概率密 度函数,得出贝叶斯分类器,对测试样本进行测试,比较与参数估计(最大似然 法)基础上得到的分类器和分类性能的差别。 (...

  • 参数估计与非参数估计

    Parzen窗法和kn-近邻法 ? 神经网络方法 12 §3-2 参数估计理论 ? 估计量:...贝叶斯参数估计问题: 样本集 X 估计量 θ 真实参数θ 参数空间Θ是连续空间 ...

  • 模式作业

    模式作业_Parzen窗估计及m... 12页 1财富值 第四章_非参数估计part1 34页...1 ) =0.2,p(X ? 2 ) =0.4,试对该细胞利用最小错误率贝叶斯决策规则...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email