模式识别
文章平均质量分 93
古月萝北
这个作者很懒,什么都没留下…
展开
-
韦伯分布(Weibull)参数矩估计MATLAB实现
韦伯分布(Weibull)参数矩估计MATLAB实现二参数韦伯分布概率密度函数f(x)=βη(xη)β−1e−(xη)β,β>0,η>0,x≥γ≥0f(x)=\frac{\beta}{\eta}\left(\frac{x}{\eta}\right)^{\beta-1} e^{-\left(\frac{x}{\eta}\right)^{\beta}}, \beta>0, \eta>0, x \geq \gamma \geq 0f(x)=ηβ(ηx)β−1e−(ηx)β,β原创 2020-12-02 21:03:24 · 13227 阅读 · 4 评论 -
无参密度估计:KDE和KNN
无参密度估计:KDE和KNN最大似然估计和贝叶斯估计应用于数据的密度函数形式已知但参数未知的情况,然而并非所有的情况下数据的密度函数的形式是已知的。针对于这种情况,我们可以选择一些无参密度估计方法。直观上,我们对于概率密度的理解就是单位区域数据出现的概率,公式表示如下:p(x)≅kNVp(x) \cong \frac{k}{{NV}}p(x)≅NVk其中,k是面积是V的区域内数据的个...原创 2020-03-18 21:32:32 · 4347 阅读 · 3 评论 -
GMM模型和EM算法
GMM模型和EM算法高斯混合模型GMM上图的分布很难用一个高斯分布进行模拟。观察上图,大致可以看见6个分布。将6个高斯分布线性加到一起就组成了能描述上图的高斯混合分布。混高斯合分布的概率密度函数如下:p(x∣θ)=∑j=1Kp(x,z=j∣θ)=p(z=j∣θ)p(x∣z=j,θ)=∑j=1KπjN(x;μj,Σj)其中:p(z=j∣θ)=πj;p(x∣z=j,θ)=N(x;μj,Σj)...原创 2020-02-18 21:09:16 · 357 阅读 · 1 评论 -
统计参数估计
统计参数估计在进行统计决策时,我们假设后验概率是已知的,这往往不现实。在有些情况下,我们假设数据近似服从某种分布(最常见的如高斯分布),估计数据的分布参数。最大似然估计我们一般假设所观测到的变量是最有可能出现的,因此,直观上最大似然估计就是估计出使分布函数最契合所观测到数据分布的参数。形式化的语言表示为:选择θ,使得:θ^=argmax[p(X∣θ)]\hat{\theta}=\ope...原创 2020-02-12 21:47:10 · 406 阅读 · 0 评论 -
统计参数估计
统计参数估计在进行统计决策时,我们假设后验概率是已知的,这往往不现实。在有些情况下,我们假设数据近似服从某种分布(最常见的如高斯分布),估计数据的分布参数。最大似然估计我们一般假设所观测到的变量是最有可能出现的,因此,直观上最大似然估计就是估计出使分布函数最契合所观测到数据分布的参数。形式化的语言表示为:选择θ,使得:θ^=argmax[p(X∣θ)]\hat{\theta}=\ope...原创 2020-02-12 21:42:30 · 216 阅读 · 0 评论 -
贝叶斯决策(Bayesian Decision Theory)
贝叶斯决策学习了一个学期的模式识别课程,老师讲的很好,深入浅出,无奈我脑子不够用没有理解到其中精髓,现在整理了一下听课笔记,以备以后需要时翻阅。这篇文章记录的是贝叶斯决策,其中包括最大后验、最大似然和贝叶斯决策的直观理解和数学理论。关于先验和后验关于什么是先验概率和后验概率, 余生最年轻在他的博客里解释的很好。先验(Priori )概率直观上理解,所谓“先”,就是在事情之前,即在事情发生之前...原创 2020-01-02 22:09:11 · 7280 阅读 · 0 评论