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。

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法 ,然后研究了基于EM算法的混合密度极大似然参数估计 ,最后利用计算机仿真验证了此算法的收敛性和有效性 .

基于EM算法的极大似然分布式量化估计融合新方法

该文针对水下目标探测中的多传感器分布式量化估计融合问题,建立了分布式量化估计融合模型,在考虑信道噪声且其统计特性不完全已知条件下,充分利用EM算法在观测数据缺失时参数估计的优越性,提出了一种基于期望极大化(EM)算法的极大似然分布式量化估计融合新方法。该方法将未知的水声信道噪声参数以及局部量化器量化概率建模为EM算法中二元高斯混合模型参数,利用极大似然估计方法的估计不变性得到目标参数的估计融合结果。仿真实验表明:该方法在局部传感器观测样本数目大于5000和信噪比大于6 dB时与已有理想信道条件下的估计方法性能相当,该方法为水下目标探测中分布式量化估计融合系统的工程实现提供了理论依据。

截尾线性回归模型参数极大似然估计的EM算法

对区间截尾的线性回归模型,在误差服从正态分布的条件下,给出其基于似然方程的参数极大似然估计(M ax im um L ike lihood E stim ate,M LE)的一般迭代算法,证明了EM算法与该一般迭代算法的一致性,由EM算法的性质保证了迭代的收敛性,证明了M urray A itk in给出的右截尾数据回归模型参数M LE的EM算法是本文的一个特例以及EM算法收敛点的唯一性.

多元混合正态分布参数的极大似然估计

从层次结构的角度出发推导总结了Reinaldo B.Arellano-Vall所提出的广义多元混合正态分布公式中混合变量的相关统计性质,结合所推导的混合变量性质,运用EM算法和协方差矩阵参数化分解方法,解决多元混合正态分布在无序约束和简单树半序约束下参数的极大似然估计问题。借助MATLAB软件编程进行数据仿真模拟,并给出其协方差矩阵在简单树半序约束下的极大似然估计结果。

EM算法对缺失数据极大似然估计的实证研究

用EM方法对缺失数据进行极大似然估计是处理缺失数据的一种基本方法。 本文在介绍基于EM的极大似然估计方法基础上,对一类随机缺失数据集用EM方法进行补齐,结果表明在10%、20%、30%三种不同缺失率下,EM方法进行缺失数据补齐的相对误差均小于0.1,呈现出低缺失率情况下的高准确性的特点。进一步将EM方法应用于对实际问卷调查中的缺失数据进行补齐,对补齐前后调查结果的影响进行了分析。

极大似然优化EM算法的汉语分词认知模型

针对标准EM算法在汉语分词的应用中还存在收敛性能不好、分词准确性不高的问题,本文提出了一种基于极大似然估计规则优化EM算法的汉语分词认知模型,首先使用当前词的概率值计算每个可能切分的可能性,对切分可能性进行"归一化"处理,并对每种切分进行词计数,然后针对标准EM算法得到的估计值只能保证收敛到似然函数的一个稳定点,并不能使其保证收敛到全局最大值点或者局部最大值点的问题,采用极大似然估计规则对其进行优化,从而可以使用非线性最优化中的有效方法进行求解达到加速收敛的目的。仿真试验结果表明,本文提出的基于极大似然估计规则优化EM算法的汉语分词认知模型收敛性能更好,且在汉语分词的精确性较高。

基于EM算法实现混合密度极的大似然参数估计

在介绍极大似然估计与EM算法的基础上,探讨了基于EM算法的两混合正态分布极大似然参数估计,并举例说明了若干经典场合的极大似然估计的算法.

一种用于推算感染时间曲线的非参数极大似然估计方法

目的:研究通过传染病发病时间曲线推算感染时间曲线的方法。方法:采用基于EMS算法的非参数极大似然估计方法,根据传染病的发病资料和潜伏期资料推算感染时间曲线,并用于中国内地SARS感染时间曲线推算。结果:通过Mat-lab编程,所采用的方法可以方便地估计出感染时间曲线,并可平滑个体数据的波动。用于推算中国内地SARS感染时间曲线,发现感染时间曲线平滑稳定,有明显的2个高峰,感染高峰与实际发病高峰间隅5 d左右;发病人数(4 634例)与估计的感染人数(4 633.6例)相差在0.5例以内。结论:基于EMS算法的非参数极大似然估计3-法对于感染时间曲线的估计是可靠的,可以用于SARS感染时间曲线的推算。所推算的感染时间曲线有助于干预措施被果评价。

冲击电压试验数据的极大似然估计法处理

本文分析和论证了最小二采法和加权平均法应用在多级法冲击电压试验数据处理中所存在的缺陷和不足;指出用这两种方法得到的百分之五十放电电压和标准偏差所代表的正态分布,并不是适合于试验数据的最佳分布;依据极大似然估计法的统计学原理,给出了两种求解最佳似合正态分布数字特征的方法。计算结果和试验结果的比较以及数据的置信区间检验,都证明了极大似然估计法用于冲击电压试验数据处理,具有较多的优点。

极大似然参数估计法文献综述

极大似然估计方法是一种建立在极大似然原理基础上的常用的参数估计方法,在众多领域都得到了广泛的运用。本文从极大似然估计方法的原理、求解步骤、性质、求解方法及注意事项、算法和应用及拓展几个方面,整理相关文献进行文献综述,并对其研究现状做出简要的阐述。

基于株平均值的胚乳性状QTL作图的极大似然方法

根据三倍体胚乳性状的数量遗传模型,发展出一种新的专用于胚乳性状数量基因座位(QTL)区间作图的统计方法。该方法以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的平均值为数据模式,采用基于平均值混合分布理论的极大似然方法进行QTL分析。QTL效应估计通过EM算法实现。由于该方法利用标记基因型内QTL基因型的混合分布特性,因此,它比同样基于株平均值的最小平方QTL分析方法以及迭代重新加权最小平方QTL分析方法具有更高的统计功效和精确度。方法的可行性和有效性通过计算机模拟数据分析得到了进一步验证。

质量—数量性状的遗传分析 Ⅳ.极大似然法的应用

应用极大似然法分析质量—数量性状的遗传。假定分离世代中的同一主基因基因型因多基因和环境的变异而呈正态分布,不同主基因基因型则为具不同平均数和相同方差的混合正态分布。提出以EM算法对主基因的分离比率、基因效应、微基因的遗传方差等进行极大似然估计以及以似然比方法测验有关遗传假设的程序。以大麦一个杂交组合的F_2代株高资料为例演示了分析过程。结果表明该组合的株高遗传涉及一个主基因和一组微基因;主基因杂合体为完全显性,显性效应达 14.97cm;微基因的遗传方差为65.14cm^2;环境方差为 14.80cm^2。本文的原理和方法可以推广于多个分离世代的联合分析以及利用分子标记构建数量性状基因图谱等。

利用极大似然法分析野败型杂交籼稻恢复基因的遗传

利用极大似然法和ＥＭ算法对野败型杂交籼稻恢复性的主基因进行了探 测。结果表明，恢复性由两对主基因控制，两对恢复基因间表现显性上位性互作， 两对基因的作用存在强弱之分，强恢复基因的加性效应是弱基因的２倍。

极大似然法在水下机器人系统辨识中的应用

主要探讨了极大似然参数估计法及其松弛算法 ,将它们应用于水下机器人运动模型的辨识中 .利用水下机器人的海上类Z型试验数据 ,辨识得到某智能水下机器人水动力系数 ,并对比了两种算法的结果 ,可看出松弛算法有更好的收敛性 .然后用辨识得到的水动力系数建立了水下机器人的运动模型 ,用运动仿真进行了模型验证 .仿真结果表明辨识得到的数学模型是可靠的 ,本方法对于水下机器人操纵与自适应控制的研究有较大的实际意义 .

定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.

四向杂交设计QTL分析的极大似然方法

四向杂交(four-way cross)设计是指4个纯系亲本参与杂交衍生分离群体的一种交配设计。尽管国际上已经提出基于四向杂交设计的迭代重新加权最小平方(iteratively reweighed least squares,IRWLS)QTL作图方法,但该方法忽略了双侧标记基因型内QTL基因型的混合分布特性,当QTL位置和标记的位置不重合时作图精度较低。本文根据四向杂交设计的数量遗传模型,发展出基于四向杂交设计和混合分布理论的QTL作图的极大似然估计方法。首先利用染色体上所有标记基因型联合计算该染色体上任一假定位置QTL的条件概率,然后根据混合分布理论建立基于EM算法实现的QTL作图的极大似然估计方法。以计算机模拟数据研究了QTL遗传力、样本容量和分子标记信息含量3个因素对方法的影响,结果表明:(1)在QTL的被发现能力上,标记信息不完全的四向杂交设计仅略低于信息完全时的四向杂交设计;(2)随着QTL遗传力、样本容量和标记信息含量的增大,QTL位置以及效应估计值的准确度和精确度逐步提高。

EM算法在删失数据分布和混合分布参数估计中的应用

EM算法是一种迭代算法,主要采用后验分布的众数或极大似然估计,广泛的应用于删失数据,截尾数据,成群数据,带有讨厌参数的数据等。文章介绍EM算法,并对删失数据的对数正态分布参数估计和混合正态分布参数的极大似然估计进行了模拟,模拟结果表明对删失数据分布的参数估计和复杂的极大似然估计,EM算法是有效的,估值精度满足要求。

定时截尾下双参数指数模型参数估计的EM算法

利用EM算法讨论在定时截尾试验中最后一个失效时间与截尾时刻之间的信息,得出双参数指数模型中尺度参数的迭代解,并比较了EM算法与传统的极大似然估计,得出EM算法要明显优于传统的极大似然估计.

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计，得到了在Matlab中利用迭代算法计算参数估计值的方法．