平方损失下区间有界的尺度函数极小极大估计

给出了尺度参数θ有界时,函数h(θ)的极小极大估计存在的充分条件,并给出了两点先验时最不利先验的充分条件,证明了关于两点最不利先验的Bayes估计就是极小极大估计.

基于极小极大估计器的偏最小二乘方法及应用

针对多输入多输出化工过程中,自变量间、因变量间均存在较强的相关性,提出了偏最小二乘回归(PLSR)与极小极大估计器相结合的PLS-Minimax算法。该算法先对样本数据进行多因变量的PLSR,以消除变量间的复共线性,建立较为稳健的模型;然后基于多变量残差的协方差矩阵,采用极小极大准则,估计收缩系数矩阵,以修正回归系数矩阵,改善模型的预报性能。将PLS-Minimax算法实际应用于聚合反应过程的建模,效果良好。与已有方法相比,其所建模型的预报精度有显著提高。

正态分布方差在限制参数空间中的极小极大估计

本文给出了当期望已知,而方差限制在某一闭区同时正态分布的方差的极小极大估计.

独立指数分布期望参数的Γ极小极大估计

在参数的部分先验信息已知的条件下所获得的Γ极小极大估计是一种介于有确定的先验分布函数的Bayes估计和无先验信息的极小极大估计之间的估计方法,因而更切合实际。以往的研究对二项分布参数的线性组合及负二项分布的参数在某些限制条件下的Γ极小极大估计做了讨论。本文给出了独立指数分布的期望参数在一般的先验矩限制下的Γ极小极大估计,同时讨论了两种特殊情况,即给出了在仅有先验二阶矩限制下的以及有确定的先验一阶矩和二阶矩限制下的指数分布的期望参数的Γ极小极大估计。

正态线性模型中可估函数的极小极大估计(英文)

论述正态线形模型NL(Xβ,δ~2V),其中V为已知k×n正定矩阵,σ~2>0为未知参数,在二次损失|σ~2+β~TX^TV^1Xβ|~1||δ SXβ||下,根据可容许性理论,证明了SXβ的线性估计是其一切估计类中的唯一极小极大估计。

LINEX损失函数下位置参数函数的极小极大估计

主要研究了在LINEX损失函数下位置参数函数的极小极大估计,为了给出它的极小极大估计存在的一个充分条件,将位置参数θ限定在一个有界区间上,并且当其函数h(θ)满足一定条件时,h(θ)的极小极大估计是存在的,并给出了证明.

椭球约束下混合模型的线性极小极大估计

给出在椭球约束下带随机信息的混合模型的线性极小极大估计b(2 ) ,讨论了b(2 ) 在MDE-Ⅱ准则下相对于经典回归模型在椭球约束下的线性极小极大估计b(1) 的优良性 ,并得出了b(2 ) 比b(1)

平方损失下区间有界的位置参数函数极小极大估计

给出了位置参数θ区间有界时，函数ｈ（θ的极小极大估计存在的一个充分条件，并据此对一些分布的参数估计进行了讨论。

回归系数的极小极大估计

将文献[1]中提出的求不相容方程组的极小极大解的方法,应用于线性回归方程中的参数估计,提出了一个包括两个普通的最小二乘法的算法。在基于"最大残差最小"的意义下,得到的参数估计优于最小二乘估计。

限制参数空间中二项分布参数的极小极大估计

对于二项分布(n,p)的参数p的估计已有许多结果,然而极大多数都是在当P毫无先验信息条件下讨论的,而在实际问题中根据先验知识往往可以确定p∈[α,β],其中0≤α<β≤,这时仍用k/n作为p的估计显然过于粗糙。本文将指出当β—α充分小时,p的极小极大估计正是相应于某一在端点。α和β上的二点分布的Baye估计,并给出了若干个数字实例,然后讨论了当n→∞时,只要(β—α)小于某一常数(它依赖于n和a)时,上述结论总是成立。类似问题在[1]中作者对均分布进行了讨论。

二项分布参数的线性组合的Γ-极小极大估计

本文对二项分布的参数的线性组合在参数的一阶矩和二阶矩的某些限制条件下的Γ-极小极大估计进行了讨论。

星下点观测的星载卫星导航反射信号海面风矢量极大似然估计

该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题,分析非镜向海面散射信号特征,提出星下点非镜向观测模式,定义该模式下海面风矢量敏感特征观测量,在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演,并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明:所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向;多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解,但无法消除海浪谱的对称性导致的海面风向模糊解。在2~25 m/s的风速内,当信噪比(SNR)大于11 dB时,3星观测的风速均方根误差(RMSE)优于2 m/s,风向的均方根误差优于15°。

双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

一种多元均值混合正态分布参数的极大似然估计

以Madadi等提出的数学模型与概率密度函数为基础,证明了多元均值混合正态分布的性质,讨论了MMNE分布参数的极大似然估计问题,利用ECM算法对MMNE分布的位置参数、尺度参数、偏度参数进行了参数估计计算,给出了计算方法和迭代公式。实例分析表明,所提出的偏态数据下MMNE分布参数估计模型合理且实用。

基于极大似然估计的非理想场景雷达信号分选算法

目前,已有研究针对理想条件下的雷达脉冲信号分选问题进行了详细阐述,但是缺乏杂散脉冲和缺失脉冲两种非理想情景下的模型表征。为解决这一问题,提出了一种基于极大似然估计的非理想场景雷达信号分选算法。该算法通过修正似然因子来表征杂散脉冲和缺失脉冲现象,提高在复杂场景下的分选准确率。当部分雷达先验信息已知时,所提算法模型具有更好的分选效果。仿真实验结果表明,与已有的极大似然模型和深度学习算法相比,所提算法在分选准确率上有显著提升,具有较高的应用价值。

极大似然估计与遗忘曲线的隐式反馈交互推荐算法

针对传统推荐算法对启动数据要求严苛且服务器性能要求过高导致实际项目中较难应用的问题,提出一种挂载在ECS服务器(elastic compute service,ECS)上的基于极大似然估计原理(maximum likelihood estimate,MLE)和双重艾宾浩斯遗忘算法(double ebbinghaus forgetting algorithm,DEFA)相结合的推荐算法(EMDE)。首先,通过极大似然估计原理和双重艾宾浩斯遗忘算法结合,实现了对用户偏好数据的正态拟合,并且可以灵活地调整用户偏好的遗忘速度和保留程度。其次,充分考虑了对修改关闭原则,可以与现有业务模块高度解耦,并且具有轻量级的特性。实验结果表明,EMDE算法可以成功避免推荐快速消耗用户兴趣和触及用户反感的交互,并选择合适的交互以达到增强用户黏性的目的。

极大似然估计及其应用

文章简要介绍极大似然估计的原理,分析二项分布与超几何分布中的概率最值,结合例题与教材解析极大似然估计在二项分布与超几何分布中的应用,并给出几点教学启示.

基于不确定理论的非线性回归模型参数的极大似然估计方法的研究

利用不确定理论的极大似然估计方法,对非线性回归模型参数给出了估计方法,并进行了数据仿真。在数据仿真中发现,当响应变量数值较大时,误差较大。于是将这个非线性模型转换为线性模型方法做了改进。让误差项与预测值保持相加的形式,使误差范围可以得到减小,数据仿真发现此改进方法有效。

左截断右删失数据下OLLGG分布的参数估计

为了探索Odd Log-Logistic Generalized Gompertz(OLLGG)分布在生物学、社会学、计算机和市场营销等领域的广泛应用,本文研究左截断右删失数据下OLLGG分布的多参数回归模型,利用极大似然思想对参数进行估计。通过数值模拟,检验估计方法的有效性,并使用赤池信息量准则来选择适合的分布形式。最后,将本文的回归模型应用于channing house数据集,展示其良好的拟合效果。

证券市场大盘预测准确度的极小极大估计

给出了证券投资机构对证券市场大盘走势预测准确度的定义,通过引入统计判决中的极小极大估计方法,将其作了估计.通过实证对估计结果的分析得出结论,中国证券市场投资咨询机构所提供的对大盘涨跌的预测,每次有一半以上家数正确的概率的极小极大估计为45%.