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

582007,43(7)ComputerEngineeringandApplications计算机工程与应用

计算法。在选择了一组电阻测量值为样本集的基础上,利用计算机工程与应用,2002,38(12):36-38.

Parzen窗法和交叉验证法估计概率密度函数,得出了相应的MMAE估计器。由此还可以选用其它损失函数,使用类似的算法,得出其它类型的估计器,使Parzen窗法在贝叶斯参数估计

领域得到更广泛的应用。(收稿日期:2006年11月)

[4]边肇祺,张学工.模式识别[M].2版.北京:清华大学出版社,2000:

50-71.

[5]vanderHeijdenF,TuquerresG,RegtienPPL.Time-of-flightesti-mationbasedoncovariancemodels[J].MeasurementScienceandTechnology,2003,14:1295-1304.

[6]潘仲明,王跃科,杨俊.现代测控理论基础[M].长沙:国防科技大学

出版社,2004:81-82.

参考文献:

[1]vanderHeijdenF,DuinRP,RidderDD,etal.Classification,pa-rameterestimationandstateestimation:anengineeringapproachusingMATLAB[M].[S.l.]:JohnWiley&Sons,Ltd,2004:67-135.[2]孙毅,刘科伟,黄建国.贝叶斯高分辨方位估计方法的水池试验数据

分析[J].计算机工程与应用,2003,39(22):208-209.

[7]摆玉龙,刘昌盛,严春满,等.参数估计中最小绝对值误差估计器的

实现[J].西北师范大学学报:自然科学版,2006,42(5):52-56.

[8]和亚珺,郭平.Parzen窗估计法在图像复原中的应用探索[J].北京师

范大学学报:自然科学版,2004,40(4):469-474.

[9]王正明,易东云.测量数据建模与参数估计[M].长沙:国防科技大学

出版社,1996:135-

基于Parzen窗法的贝叶斯参数估计

155.

[3]孙毅,刘科伟.基于Gibbs采样的贝叶斯多目标高分辨方位估计[J].

(上接37页)

LS

!!

n=12

u=0

n=22n=32n=52n=12

u=2

n=22n=32n=52

-0.0291(0.0573)-0.0288(0.0405)-0.0235(0.0174)-0.0190(0.0104)-0.0591(0.0301)-0.0274(0.0193)-0.0232(0.0113)-0.0137(0.0093)

!"

0.1231(1.1767)-0.0329(0.2256)-0.0243(0.1253)-0.0069(0.1005)-0.3551(0.4662)-0.2037(0.2575)-0.1715(0.1508)-0.1139(0.0958)

表1参数估计的结果

WLS

!!

!"

-0.1832(0.5626)-0.1384(0.2444)-0.0637(0.1682)-0.0554(0.0871)-0.4375(0.6184)-0.2473(0.1796)-0.1873(0.1369)-0.1419(0.0882)

!!

0.0041(0.0671)0.0023(0.0218)-0.0020(0.0113)-0.0013(0.0072)-0.0066(0.0390)-0.0030(0.0192)-0.0020(0.0110)0.0013(0.0070)

FLS

!"

-0.0193(0.8820)-0.0083(0.3387)-0.0154(0.2039)-0.0148(0.1310)-0.4186(0.5672)-0.2250(0.2719)-0.1761(0.1537)-0.1098(0.1046)

0.0075(0.0353)-0.0056(0.0099)-0.0034(0.0064)-0.0019(0.0031)-0.0101(0.0334)-0.0094(0.0075)-0.0055(0.0050)0.0019(0.0026)

从表1可以看出:

(1)FLS的偏差最小,LS的偏差最大。随着样本量增大,三种方法偏差都减少。含有异常数据时,三种方法的偏差都增大。

(2)WLS的均方误差最小。随着样本量增大,对参数!的估计,FLS的均方误差小于LS;对参数"的估计,LS的均方误差小于FLS;含有异常数据时,三种方法的均方误差比不含异常数据时小。

参考文献:

[1]NassarMM,EissaFH.Bayesianestimationforexponentiatedwei-bulldistribution[J].CommunicationsinStatistics:TheoryandMethods,2004,33(10):2343-2362.

[2]WuJong-wu,HungWen-liang,TsaiChih-hui.Estimationofpar-ametersoftheGompertzdistributionusingtheleastsquaresme-thod[J].AppliedMathematicsandComputation,2004,158:133-147.[3]HungWen-liang.Estimationofweibullparametersusingafuzzyleast-squaresmethod[J].InternationalJournalofUncertainty,FuzzinessandKnowledge-basedSystems,2004,12(5):701-711.

[4]LawlessJF.寿命数据中的统计模型与方法[M].北京:中国统计出

版社,1998.

6结束语

当寿命数据含有异常数据时,本文给出了指数威布尔分布

参数的一种较稳定的估计方法,即模糊最小二乘估计。FLS是基于模糊聚类的非线性最小二乘估计,它削弱了异常数据的影响,减少了估计的偏差,从而提高了估计精度,是一种较好的估计方法。并且还给出了完全样本情况下参数的最小二乘估计和加权最小二乘估计。(收稿日期:2006年11月)

[5]YangMS,KoCH.Oncluster-wisefuzzyregressionanalysis[J].IEEETransSystemsManCybernet,1997,B27(1):1-13.

上一页第4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