一类混合正态分布参数估计的EM算法和数据扩张

从解析的角度得到混合正态分布参数的ML估计是很困难的.通过引入“缺失数据”,利用Little和Schluchter（1985）提出的处理分类和连续数据的方法,给出具有相同协方差阵的混合正态分布参数估计的EM算法和数据扩张算法.     

基于独立的Gaussian与Beta有限维混合模型的聚类算法

对基于独立的Gaussian与Beta有限维混合模型的聚类算法进行了探讨与研究,并在此基础上提出一种新的聚类算法-BGMMn聚类算法,给出算法流程。通过数据模拟比较了四种聚类算法(BGMMn,BGMMs,BGMMa,BGMMh)对聚类数目估计的准确度,BGMMn算法的准确度优于其他3种聚类算法。     

混合对数正态分布广义线性联合均值与散度模型的参数估计

由于对数变换的优良性质,所以对数正态分布应用十分广泛.该文研究提出混合对数正态分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数的极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.     

泊松线性混合效应模型的参数估计

讨论了如何运用EM算法对泊松线性混合效应模型进行参数估计.首先利用马尔柯夫链蒙特卡罗方法对Q函数进行近似,然后利用Newton-Raphson算法求出Q函数的极大值点,从而求得了模型中未知参数的极大似然估计.以一组癫痫病人数据为例,说明该方法是简单可行的.     

混合广义部分线性加性模型的参数估计

广义部分线性加性模型具有参数和非参数2个部分,并且选择不同连接函数可以得到多种不同加性模型,是一种非常灵活的统计模型.有限混合模型是研究异质性总体的有效工具,扩展性很强,随着计算能力的不断提升,得到越来越广泛应用.本文将这2种模型相结合,提出混合广义部分线性加性模型(MGAPLM).首先给出模型的定义,并在一些温和条件...     

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.     

混合广义指数分布的参数估计

介绍了混合广义指数分布的失效模型,并运用EM算法给出了模型在完全数据情形下的参数估计方法,最后用数值例子说明了EM算法对本文模型的有效性.     

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.     

关于motif识别的一个更精确的混合模型

Bailey和Elkan（1994）提出了MEME算法进行motif识别．在这个算法中他们用一个二元混合模型来拟合生物序列．但是他们的模型不能准确的描述实际的情况．该文给出了一个多元混合模型,这个模型能更好的描述生物序列的实际情况,还讨论了在这个模型下用EM算法求参数的公式．     

基于混合正态分布的降水量分布特征估计

降水量分布特性研究一直是水能资源研究评估的重点。文章将借助混合正态分布对年降水量的分布特征进行探讨,并利用EM算法对混合正态模型中的参数进行估计;通过模拟和实证分析对混合正态分布模型和正态分布模型的参数估计结果进行比较,结果表明混合正态分布更适合应用于水能资源分布特性的研究以及区域水能资源的评估。     

利用ECM算法进行参数估计

在区间型数据条件下利用ECM算法对Weibull分布进行了极大似然估计.在得到相应的迭代公式后,进行随机模拟.根据模拟结果分析了此种算法在处理Weibull分布参数极大似然估计时的优越性.     

广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。     

Cox模型中参数满足线性不等式约束的似然估计

研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题。在实际问题中，特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况。本文利用EM算法和约束下优化算法得到的数据部分缺失且参数满足线性不等式下的极大似然估计。     

不同缺失机制下线性回归模型的参数估计

给出了线性回归模型在MAR和NMAR两种缺失机制下的参数估计。     

指数分布中参数估计的两类错误概率的EM算法

从理论上分析了指数分布中参数估计的两类错误概率的EM算法,给出了具体计算公式。     

一类有限资源下的非光滑传染病模型

目的研究有限医疗资源对接种策略及传染病预防控制的影响。方法引入阈值控制策略到经典传染病模型中,建立非光滑传染病模型,刻画如下具有阈值水平的接种策略:当易感人数超过阈值水平时,实施常数接种策略,否则实施与易感人数成正比的接种策略。在子系统动力学研究的基础上,对非光滑系统进行研究。结果得到了非光滑系统规则平衡态和广义平衡态的稳定性。结论当疾病不能清除时,选取适当的控制参数可使染病人数最终控制在给定水平。     

复合泊松分布参数估计的EM算法

复合泊松分布是非寿险精算中的重要理赔模型,利用正规的统计方法(如极大似然估计)估计模型的参数往往比较困难,而矩估计的精度在大样本下才能有令人满意的结果.本文应用EM算法研究了复合泊松分布的参数估计问题,给出了参数满足的方程,并给出了参数的矩估结果,对两种参数估计结果,通过计算机模拟,表明EM算法对参数的估计更为有效,且EM算法在小样本下就能得到较好的估计效果.     

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。