非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

证据的信任函数表示

以诊断推理为应用背景，研究了信任函数理论框架下的证据表示，从似然原理出发，给出了基于似然性的信任函数所要满足的性质，引入了嵌套表示，建立了嵌套表示与稳健地斯推断的联系，并以一个简化的诊断推理过程为例，说明了嵌套表示的应用，最后指出嵌套表示与其它表示方法的差异来自对似然原理的不同理解。     

负相协样本多维边际密度的经验似然推断

研究负相协样本多维边际密度函数的经验似然置信区间的构造,证明了负相协样本多维边际密度函数的分组经验似然比统计量的极限分布为卡方分布,由此结果可构造多维边际密度函数的经验似然置信区间.     

基于证据理论与多源信息融合的银行信贷客户评价

银行信贷过程中将不可避免地涉及到信贷客户的各种不确定信息，采用证据理论方法，在建立识别框架和基本概率分配函数基础上，从特征级和决策级2个层面，通过计算和统计分析，得到客户的信任度和似然度2个结论，用这2个结论构成的信任区间，指导银行信贷的经办、决策人员的工作，促进工作的有效开展。     

有替换定时截尾寿命试验参数的极大似然估计

１样品似然及样本似然首先引入样品似然及样本似然的定义．各类型数据的样品似然定义如下：（１）实测值：设第ｉ个样品的寿命的实测值为ｙｉ,则其似然函数为Ｌｉ＝ｆ（ｙｉ;θ１,θ２,…,θｌ）．其中,ｆ是假定分布的概率密度函数,θ１,θ２,…,θｌ是待估参数...     

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.     

一类离散观测下非线性随机系统估计量的局部渐近正态性

研究了一类离散观测下含未知参数的非线性随机系统的渐近性问题,对似然率函数和极大似然估计量的近似值分别进行精确度分析,建立了似然率随机域来分析似然率的渐近动态特征,并借助积分中心极限定理等数学工具分析得到似然率随机域满足局部渐近正态性的充分条件,并进一步给出Berstein-Von-Mises型有界定理。     

一种改进的相关向量回归方法

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。     

似然率在法庭语音取证中的应用研究

数字语音技术的快速发展,给人们生活带来更多的舒适,但给社会的安全提出了新的挑战。基于数字语音的犯罪逐年递增,语音证据的研究备受关注,除了DNA外,其他证据的鉴定主要表现为同一认定、否定排除和倾向性意见等。目前简单的肯定或否定鉴定,很大程度上置换了取证科学工作者与法官的角色,存在很大的弊端,常出现错案冤案。国外一些学者在评估语音证据时引入基于贝叶斯理论的似然率方法。本文归纳总结目前法庭语音话者识别评估方法,重点介绍贝叶斯理论下的似然率评估体系,归纳其优缺点,并展望未来发展趋势。     

论信息熵和似然函数的极值关系

给出似然函数与熵函数的关系式，得出熵极大时，似然极小；似然极大时，熵极小的结论。     

纵向数据下部分线性模型基于经验似然的变量选择

针对纵向数据下的部分线性模型, 建立基于经验似然方法的变量选择的信息准则, 证明新变量选择方法的渐近性质, 并模拟研究比较参数信息准则与基于经验似然的信息准则的有限样本性质. 结果表明, 基于经验似然方法的信息准则克服了参数似然函数有时较难得到的困难, 模型选择效果较好.     

基于SA-MCMC算法的非线性测量误差模型数据删除影响

为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.     

m相依样本下参数及分布函数的经验似然估计

在强平稳ｍ相依样本下讨论一般参数和分布函数的经验似然估计的求法及性质，推广了ＱｉｎａｎｄＬａｗｌｅｓｓ在独立同分布情况下的结果。     

全数字载波捕获算法

在数字化接收机中，通常采用最大似然估计算法来获得载波频移和相移的估值，但最大化非线性似然函数的计算量非常大，不易实现，该文提出一种通过将似然函数线性化来快速捕获载波的算法，大大减少了计算量，仿真结果表明，其性能接近克拉美劳界，且捕获频率范围宽，易于DSP实现，适合应用于全数字接收机。     

空间自回归模型中系数变量及误差项的贝叶斯估计

文章基于长三角地区26个城市10年间的空间面板数据,通过建立空间自回归模型,针对似然函数的复杂情况,分别采用马尔科夫链蒙特卡洛方法和近似贝叶斯计算进行贝叶斯推断。数值结果表明,服务业集聚度以及固定资产投资对于地区生产总值影响最大。通过比较两类方法的估计结果发现:马尔科夫链蒙特卡洛方法虽依赖于似然的核函数,对于先验超参数的设定更为敏感,且要求控制采样样本的自相关性,但可以高效地估计参数;而近似贝叶斯计算方法能够避免求解似然函数,对先验超参数的设定更稳固,同时也能有效地估计参数。     

三类四舍五入数据的点估计问题

首先考虑源于正态分布的样本,在四舍五入后不再服从正态分布,根据四舍五入后的数据构造似然函数,对原正态总体的参数进行估计.然后分别考虑源于AR(1)和MA(1)的四舍五入数据,构造修正的似然函数,对模型参数进行估计.     

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。     

一类双线性系统小样本极大似然估计法

针对一类双线性系统模型,提出了小样本条件下的极大似然参数估计法。该方法基于预测拟合优势的概念-即对正态分布的最佳拟合是学生公布,而在小样本下其拟合的优势是更为显著的。我们按照此概念构造了具有学生分布的似然函数,用DFP变尺度算法求其极值,仿真表明了该法的有效性。     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

多总体测量误差模型中的经验似然推断

在多总体测量误差模型中, 运用经验似然方法得到总体参数和累积分布函数(CDF)的有效估计, 并将多总体经验似然方法应用于NS抽样模型, 得到了共同均值和CDF的有效估计. 结果表明, CDF的估计不仅渐近无偏, 而且利用了所有样本信息.