该【概率密度函数的参数估计 】是由【相惜】上传分享,文档一共【57】页,该文档可以免费在线阅读,需要了解更多关于【概率密度函数的参数估计 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。:类条件概率密度函数的估计。问题的表示:已有c个类别的训练样本集合D1,D2,…,Dc,求取每个类别的类条件概率密度。整理ppt概率密度函数的估计方法参数估计方法:预先假设每一个类别的概率密度函数的形式,而具体的参数未知;最大似然估计(MLE,MaximumLikelihoodEstimation);贝叶斯估计(BayesianEstimation)。非参数估计方法。:样本集D中包含n个样本:x1,x2,…,xn,样本都是独立同分布的随机变量(,independentidenticallydistributed)。对类条件概率密度函数的函数形式作出假设,参数可以表示为参数矢量θ:整理ppt似然函数样本集D出现的概率:对数似然函数:整理ppt最大似然估计最大似然估计:寻找到一个最优矢量,使得似然函数最大。整理ppt正态分布的似然估计Gauss分布的参数:由均值矢量μ和协方差矩阵Σ构成,最大似然估计结果为:(EM算法)EM算法的应用可以分为两个方面:训练样本中某些特征丧失情况下,分布参数的最大似然估计;对某些复杂分布模型假设,最大似然估计很难得到解析解时的迭代算法。整理ppt混合密度模型混合密度模型:一个复杂的概率密度分布函数可以由多个简单的密度函数混合构成:高斯混合模型:GMM,GaussMixtureModel整理ppt两个高斯函数的混合整理ppt
概率密度函数的参数估计 来自淘豆网www.taodocs.com转载请标明出处.