基于模糊先验的惩罚最大似然重建算法

传统的二次先验算法不能有效的保持图像的边缘信息。为了解决这些问题,在最大似然算法中引入Hubber先验,同时结合模糊数学知识,形成了基于模糊先验的惩罚最大似然估计重建算法(PML-Fuzzy Hubber)。仿真结果表明,相对于基于传统的Hubber先验等传统算法,PML-Fuzzy Hubber算法参数选择简单方便,能有效的抑制噪声和保持图像的边缘信息,重建出高质量的图像。

基于惩罚最大似然优化模型的各向异性约束磁共振成像方法

传统磁共振(MR)傅里叶成像方法由于傅里叶不确定性,k空间扩展编码采样长度能提高图像空间分辨率,但是以降低图像信噪比为代价。提出基于最大似然优化模型的各向异性约束MR成像新方法,将离散傅里叶变换模型改进为惩罚约束函数的最优值搜索问题。利用医学结构的先验信息,将正则化惩罚运算细化至平滑区域、边界邻域、边界和边界的方向。实验结果表明,该方法不但能扩展k空间高频数据采样长度同时有效降低高斯噪声,而且能克服现有相关约束成像方法的二次模糊和Gibbs环状伪影。

一种惩罚最大似然方法估计混合回归模型

本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.

一种基于形态滤波器的PET图像重建算法

本文把形态滤波器引入到基于期望值最大的最大似然(maximum likelihood expectation maximization,MLEM)算法中,提出了一种新的基于惩罚的最大似然(penalized maximum likelihood,PML)重建算法。实验结果表明,跟传统算法相比,新提出的算法不仅能有效的去除图像噪声,还能精确的保护图像边缘等有用信息。

具有组群异方差结构的面板数据模型及其应用研究

面板数据由不同个体的时间序列数据汇聚而成。已有大量研究表明面板数据个体之间存在组群结构,并且普遍存在模型的异方差现象。本文借鉴组群异质性的研究成果,构建模型误差项组群结构的面板数据模型,基于模型假定条件,提出惩罚伪最大似然函数估计法(PQMLE),该方法能够同时进行结构识别和参数估计;证明了估计量具有Oracle渐近性质;蒙特卡洛模拟验证了该方法有效的样本性质;进一步应用该方法对我国股市进行Fama-French三因子模型的实证分析,验证了理论模型的应用效果。

混合von Mises模型的参数估计

有限混合von Mises模型在天文学、生物学、地理和医药等许多领域都有重要的应用．可是,不论样本量有多大,此模型的似然函数都是无界的．因此,参数的最大似然估计(MLE)是不相合的．我们发现,与混合正态模型一样,上述困难可以通过引入关于分布浓度参数的一个惩罚函数或对参数空间添加适当的约束来克服．在此文中,我们从理论上证明了这两种方法是可行的,相应的参数估计是强相合的,且是渐近有效的．我们还通过计算机模拟来探讨这些新方法在有限样本情况下的统计性质,并与现有的矩估计作了比较．结果发现,惩罚极大似然估计在均方误差方面表现最佳．最后我们还分析了一组实际数据,以进一步介绍新的估计方法．