一种新的多重回波抵消的自适应算法

为了抵消时延很大的多重回波信号,回波抵消器需要有大量的抽头,抽头系数更新的计算量很大,降低了收敛速度。为此提出一种新的自适应算法,它是一种针对多重回波的特点,在RLS算法基础上的改进算法,它并不需要对所有的抽头系数进行更新,而是仅选择其中一部分的系数进行更新。此外,还提出了选择所需更新系数的系数窗搜索算法。新算法只用更新一少部分的系数,因此它的收敛速度加快了,计算量大大减小了。     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.     

蚁群算法在威布尔分布模型参数估计中的应用

针对威布尔分布模型参数的极大似然估计采用牛顿迭代法计算过程烦琐,粒子群算法求解过程中容易陷入早熟等问题,将蚁群算法引入到威布尔分布模型的参数估计中,提出了基于蚁群算法的威布尔分布模型参数估计,并与牛顿迭代法和粒子群算法进行对比,通过实例验证了该方法的可行性与有效性。     

基于EM算法的高斯混合密度参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后研究EM参数估计方法的一个应用:求高斯混合密度的参数.推导出高斯混合密度参数的迭代公式.     

EM算法在不完全数据参数估计中的应用

EM算法是参数估计中一种很重要的方法,在处理不完全数据中有重要应用．用EM算法给出了基于状态空间模型的不完全数据的参数估计,得到了利用迭代算法计算参数估计值的方法．将之用于实例,结果表明,预测结果很好．误差在可接受范围内．     

超声回波参数的高斯与牛顿迭代法计算

应用超声回波模型,对检测目标的超声回波进行模拟,在模拟过程中应用高斯与牛顿法迭代出估计参数.结果表明,该算法能以较少的迭代次数计算出向量参数,但对模型中到达时间初值设定较为敏感,这可用常规方法(互相关或小波变换、遗传算法等)解决.     

模拟退火算法及其在非线性地学模型参数估计中的应用

分析了目前地理学研究中进行非线性模型参数估计的一些方法的局限,介绍了模拟退火算法的原理及基于Metropolis准则的算法,进行了实例的应用研究。研究结果表明,模拟退火算法是估计非线性模型参数的一种有效算法;在地理学的其它优化问题研究中也将同样有着重要的应用价值。     

基于改进蚁群算法的HMM参数估计

针对隐马尔可夫模型(HMM)的传统参数估计方法容易陷入局部最优,对初始参数值要求较高且会出现过耦合现象,为了提高模型的鲁棒性和识别性能,提出一种基于改进蚁群算法的HMM参数训练估算法(HMM-ACO).该算法根据信息素的变化实现全局搜索,较好地解决了迭代算法易发生的局部陷阱问题.与其他全局优化算法相比,该算法识别精度有较大提高.实验表明,利用HMM-ACO算法训练的隐马尔可夫模型具有较好的分类识别性能.     

自适应回波抵消器的算法分析与比较

在简单介绍回波产生背景及回波抵消器的基本原理后，详细阐述了当前普遍采用的各种自适应回波算法，并比较了各算法的性能，指出了各算法的适用场合．LMS算法是所有算法的基础，NLMS算法是对其的归一化，改进RLS算法则针对多重回波而言，变步长的LMS算法及MVS算法主要是对LMS算法的步长值由固定突破为因输入信号或误差信号而可调节的函数．     

基于遗传算法和高斯牛顿法的超声回波信号参数估计

在超声回波信号参数估计中,如果高斯牛顿法选取的迭代初值接近参数向量的真实解,则容易找到最优解;如果初始值远离最优解,则高斯牛顿法不收敛或者只收敛到局部最优解。针对高斯牛顿法对迭代初值敏感的问题,提出了遗传算法和高斯牛顿法结合的参数估计方法。该方法充分利用遗传算法善于进行全局搜索和高斯牛顿法善于进行局部快速搜索的优点,首先使用遗传算法求出超声回波信号的参数初值,然后利用这组初值进行高斯牛顿法迭代搜索。仿真结果表明,基于遗传算法和高斯牛顿法相结合的方法,具有收敛速度快、精确度高的特点。     

随机删失数据下基于EM算法的Weibull分布参数估计

生存分析中的观测数据具有样本小、数据随机删失的特点．而目前处理这类问题所使用的参数估计方法并不理想．作者基于EM算法给出随机删失数据下Weibull分布的参数估计方法。证明了估计量满足一个非线性方程组，并用实例表明了此方法的有效性．     

改进PSO算法在氧化动力学模型参数估计中的应用

通过构造一个适当的目标函数,将Hg氧化动力学模型的参数估计问题转化为一个多维数值优化问题;然后提出一种基于算术交叉和多样性变异的改进PSO算法来求解该优化问题。算法随机选择粒子与当前最优粒子进行算术交叉操作,将粒子逐步向极值点引导,提高算法的局部搜索能力。引入多样性变异算子以维持种群粒子的多样性。几个标准测试函数的实验结果表明算法具有较好的寻优性能。将算法应用于Hg氧化动力学模型参数估计中,获得了满意的结果。     

ARMA模型的定阶与参数估计的一种方法

从典型相关系数的角度,利用ＥＭ算法给出一种 ＡＲＭＡ模型的定阶与参数估计的方法,并通过实例检验该方法的效果。同一些传统方法比较,它有运算方便的优点。     

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。     

多个子总体混合分布的参数估计

混合分布是数据分析中一个重要的统计模型,但是利用正规的统计方法如矩估计,极大似然估计等估计模型的参数比较困难,而应用EM算法可研究多个子总体的混合分布在正常工作条件下的参数估计问题.     

多重集合在Gauss半群中的应用

本文给出利用多重集合的运算建立 Gauss 半群整除理论的方法.     

双线性模型参数估计及其在颤振分析中的应用

本文提出了一种全新的双线性模型参数递推估计算法，其机理是通过采用泰勒级数来逼近似然函数，因此复杂的非线性参数估计就变成了较容易的线性参数估计，两组仿真实例以及在颤振分析中的应用表明，本算法具有快，稳定及精度较高等特点。     

褶积模型参数估计的递归算法及其收敛性

讨论褶积模型参数估计问题，通过对数据的正交化得到了模型参数的递归算法，从理论上分析这种递归算法的收敛性，并得到一个判断正交化过程收敛性的充分条件，在此条件下递归算法必收敛到褶积模型中的子波A=（1，a1，…，aq）。     

混沌蚁群算法及其在智能交通中的应用

在传统蚁群算法的基础上,结合混沌的遍历性、随机性和规律性,提出一种混沌蚁群算法,阐述该算法在智能交通系统中应用的可行性,解决了智能交通中常见的最优路径问题,并通过实验数据说明本算法的有效性.