最大似然估计在一元线性回归中的应用

最大似然估计是参数估计的常用方法。应用最大似然估计方法估计一元线性回归方程中的未知参数,与用最小二乘估计得到相同的结果,说明此方法的适用性。     

极大似然估计的几种求法

极大似然估计是参数估计的一种常用方法.本文探讨了极大似然估计的三种求法,并举例说明了这些方法在解决实际问题中的应用.     

一种基于证据推理的似然推理算法

似然推理是知识工程研究的主要课题之一。目前已有计多似然推理体系被应用在各种专家系统中。证据理论是八十年代被引入到知识工程研究中的似然推理理论,现己受到高度重视。本文提出一种基于证据理论的似然推理算法,它可以充分发挥证据理论的优点。     

极大似然法的基本思想及其应用

本文叙述了建立极大似然法的基本思想，以及如何利用这种方法进行参数估计。     

联合最大似然贝叶斯信道估计

在高信噪比情况下统计贝叶斯估计是一种有效的信道估计方法,但是在低信噪比时由于噪声估计不准确,其性能逐渐下降.研究了基于鲁棒的非线性降噪方法,提出了一个简化的联合最大似然贝叶斯信道估计.计算机仿真结果和分析表明这种方法在较高和较低的信噪比情况下,提高了信道估计和联合检测的性能.     

OFDM系统中最大似然调制识别算法研究

对观测样本进行非线形变换,提出了基于子载波和子载波组的OFDM系统最大似然调制识别算法,解决了载波频偏引起最大似然调制识别算法性能急剧下降的问题.仿真结果表明,当归一化频偏小于0.15时,该算法具有良好的识别性能.     

挠性转子动不平衡量的极大似然估计

本文提出利用模态参数识别技术进行挠性转子动平衡的方法。为了计及平衡过程中测试数据的误差,对动不平衡量采用极大似然估计。本文给出计算机模拟的几个实例以论证此种方法,并提出加速收敛的措施。计算结果表明此法效果是鸿意的。     

矩约束条件下的广义经验似然

讨论矩约束条件下的广义经验似然比统计量族以及相应的性质。此统计量实际上是B aggerly(1998)所介绍的广义经验似然比统计量的一种推广。在一定条件下,证明了此分布族中的统计量与Ow en(1988)和Q in and L aw less(1994)的经验似然是一阶渐近等价的。因此,这些统计量的分布均是渐近于2χ分布,相应的估计也都满足相合性和渐近正态性。     

非参数似然方法及其应用研究进展

非参数似然方法是在参数似然方法基础上发展的一种非参数方法,具有与传统似然方法类似的许多优良性质,特别是其中的经验似然方法,得到许多学者的重视和研究,是目前统计学的一个重要研究方向。本文在介绍非参数似然方法相关思想基础上,结合团队研究工作,主要从估计、检验和复杂数据应用等方面分别对其研究进展进行较系统地综述,分析相关研究思路和研究内容,给出一些主要结论和研究的侧重点。     

关于最大似然谱估计

该文给出了有关最大似然谱估计的相容性若干定理。其证明是基于过程的一个现实，它不同于Ｐｅｓａｒｅｎｋｏ基于独立性样本段的证明。     

基于最大似然估计的自适应阈值视频被动取证

基于分块级的模式噪声,提出一种基于最大似然估计的自适应阈值视频被动取证方法.它采用小波去噪和维纳滤波提取传感器的模式噪声,并通过固定大小的滑动窗口,计算分块级的能量梯度、信噪比和相邻帧相同位置块模式噪声的相关性构造特征值向量.在此基础上,采用最大似然估计得到判别篡改区域的自适应阈值.仿真实验结果表明,提出的方法对于复制-粘贴的视频内容篡改取得了较好的取证效果,并且能够对较小区域的篡改进行定位.     

方向极大似然估计

本文从方向导数的角度分析了极大似然估计法,提出了方向极大似然估计的概念,并在正态分布下,指出μ与σ服从等轴双曲线型关系.     

用阻尼Newton法解项目反应理论中的三参数似然方程组

在项目反应理论中,通常假定项目反应函数是三参数Logistic函数: 这里θ为考生能力,a、b和c是试题参数。参数θ,a、b和c的估计是采用最大似然估计法得到。在国外,求解似然方程组是用Newton——Raphson迭代法。本文采用阻尼Newton法,效果更好。     

分块回归技术在线性回归模型经验似然推断中的应用

本文讨论了线性回归模型的经验似然推断问题,利用分块回归技术,定义了模型系数的线性组合的对数经验似然比统计量,并得到其渐近统计分布为卡方分布,从而可以根据所得结果构造模型系数线性组合的区间估计.最后通过数值模拟试验验证了所提方法的有效性.     

基于同步似然的脑电分类方法研究

脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择。目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用。因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证。结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用。     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

经验欧式似然方法在空间面板误差模型中的应用

利用经验欧式似然方法,研究了空间面板误差模型的经验欧式似然问题,通过鞅差序列处理空间面板误差模型估计方程中出现的二次型形式,构造出空间面板误差模型参数的经验欧式似然比统计量,证明经验欧式似然比统计量服从渐近卡方分布。     

最大似然估计真值推断及其在教学质量评价中的应用

教学质量评估的一个常见手段是组织学生对于课程进行评分.由于学生普遍缺乏教育领域专业知识同时有具备非常强烈的主观偏好,因此传统的方法无法提供更加丰富的信息且估计的结果也不准确.论文提出一种新颖的教学质量评估框架.该框架首次将基于最大似然估计的DawidSkene算法应用到课程教学质量评估任务中,并对算法的实现过程进行改进和扩展,从而提高其性能并且支持从信息提取、教学质量评估以至低质量评估者过滤等一整套评估流程.实验结果显示论文提出的方法相对于传统方法能够提供更加丰富的信息并且其评估质量也更加可靠.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。