模式识别 学习笔记:第三章 概率密度函数的估计

您所在的位置:网站首页 由分布函数求概率函数的方法是什么 模式识别 学习笔记:第三章 概率密度函数的估计

模式识别 学习笔记:第三章 概率密度函数的估计

2024-07-12 00:33| 来源: 网络整理| 查看: 265

本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/49839833

1 引言

概率密度估计分为参数估计(概率密度函数形式已知,部分或全部参数未知)和非参数估计(概率密度函数也未知)。

1-1 一些基本概念

这里写图片描述

1-2 评价标准 无偏性 是指估计量抽样分布的数学期望等于被估计的总体参数;有效性 是指对同一总体参数的两个无偏估计量,有更小标准差的估计量更有效;一致性 是指随着样本量的增大,点估计量的值越来越接近被估总体的参数。 无偏性是指估计量抽样分布的数学期望等于被估计的总体参数。有效性是指对同一总体参数的两个无偏估计量,有更小标准差的估计量更有效。一致性是指随着样本量的增大,点估计量的值越来越接近被估总体的参数。 2 最大似然估计 2-1 基本原理 2-1-1 基本假设

这里写图片描述

2-1-2 最大似然估计

这里写图片描述

这里写图片描述

2-2 求解

这里写图片描述

如果有多个极大值时,选择最大的那个。

2-3 正态分布下的最大似然估计

这里写图片描述 这里写图片描述

3 贝叶斯估计和贝叶斯学习 3-1 贝叶斯估计 3-2 贝叶斯学习 3-3 正态分布时的贝叶斯估计 3-4 其他分布的情况 4 概率密度估计的非参数方法 4-1 非参数估计的基本原理 4-2 直方图方法 4-2-1 基本步骤

这里写图片描述

4-2-2 基本原理

这里写图片描述

4-3 kN 近邻估计方法

这里写图片描述

4-4 Parzen 窗法 4-4-1 基本推导

这里写图片描述

4-4-2 核角度解析

这里写图片描述

4-4-3 几种常用的核函数

这里写图片描述



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3