极大似然优化EM算法的汉语分词认知模型

针对标准EM算法在汉语分词的应用中还存在收敛性能不好、分词准确性不高的问题,本文提出了一种基于极大似然估计规则优化EM算法的汉语分词认知模型,首先使用当前词的概率值计算每个可能切分的可能性,对切分可能性进行"归一化"处理,并对每种切分进行词计数,然后针对标准EM算法得到的估计值只能保证收敛到似然函数的一个稳定点,并不能使其保证收敛到全局最大值点或者局部最大值点的问题,采用极大似然估计规则对其进行优化,从而可以使用非线性最优化中的有效方法进行求解达到加速收敛的目的。仿真试验结果表明,本文提出的基于极大似然估计规则优化EM算法的汉语分词认知模型收敛性能更好,且在汉语分词的精确性较高。     

高斯噪声下基于EM梯度算法的多用户检测的应用

EM算法是近些年来常用的求解缺失数据时的迭代算法,EM算法优点是简单易行性与普遍适用性.如果最大化不能用解析的方法实现而采用一种迭代优化的方法实现M步将产生嵌套循环计算,由此增加了计算的复杂度.基于此提出了EM梯度算法.在DS-CDMA系统中应用EM梯度算法进行检测,对比EM算法下的误码性能与收敛性能,实验结果显示EM梯度算法比标准EM算法具有相同的收敛速度.     

高斯模糊图像的盲复原

介绍了高斯模糊图像的盲复原方法。通过实验比较了6种去噪方法;采用最大似然估计方法来寻找最相似于退化图像的点扩展函数;利用已估计出的点扩展函数进行约束最小二乘图像复原,并分析了正则化参数的选取方法。最后比较了EM算法和本文算法。     

高斯模糊图像的盲复原

介绍了高斯模糊图像的盲复原方法。通过实验比较了6种去噪方法;采用最大似然估计方法来寻找最相似于退化图像的点扩展函数;利用已估计出的点扩展函数进行约束最小二乘图像复原,并分析了正则化参数的选取方法。最后比较了EM算法和本文算法。     

DS-CDMA中经典多用户检测算法

多址干扰以及远近效应是影响DS-CDMA系统性能的两大关键问题。多用户检测是一种从接收端设计入手的干扰抑制方法,主要作用是从用户信息相互叠加的CDMA信号中可靠地解调出部分或全部用户的信息。多用户检测技术是消除多址干扰,缓解远近效应,提高系统性能的有效方法,本文介绍了几种经典的多用户检测算法,并通过仿真给出了所介绍的经典多用户检测算法的性能比较。     

一种基于对数函数的改进变步长LMS算法研究

为提高超弱光纤光栅反射信号光电检测电路的测量精度,提出一种新的变步长LMS算法去除光电探测器信号中的高斯噪声。针对基于对数函数的变步长LMS(Least Mean Square)算法其步长因子易受噪声干扰,导致其步长因子取值在最优解附近波动的问题。根据高斯白噪声相关性差的特性,使用相关特性改进步长因子的更新公式,降低不相关噪声对稳态误差的影响。通过理论分析和MATLAB软件仿真结果对比分析改进前后收敛速度和稳态误差,本算法在低信噪比条件下稳态误差减小三分之一,收敛速度更快,具有更好的抗噪、滤波性能,有效抑制了超弱光纤光栅反射信号检测的噪声。     

改进的基于均衡约束数学规划的分类模型

对基于均衡约束数学规划(MPEC)的数据分类模型进行改进.在确定数据所服从分布的密度函数(高斯混合模型来模拟)的参数时,使用β似然估计来代替原模型中的最大似然估计.新模型可以克服似然函数可能出现无界的现象,在计算上有更好的鲁棒性.对于所得MPEC分类模型,使用filterSQP方法将其作为非线性规划求解.数值试验显示了新模型的有效性.     

基于解相关多用户检测的并行组合扩频通信系统接收技术研究

对并行组合扩频通信系统抗加性高斯白噪声的性能进行分析,提出了一种全新的方案,即将解相关多用户检测技术用于接收端进行联合检测。通过MATL AB仿真,验证了采用解相关多用户检测技术的并行组合扩频通信系统较传统并行组合扩频通信可以有效抑制加性高斯白噪声,降低了系统误码率,接收性能有所改善。     

EM算法对不完全数据下指数分布的参数估计

收集、整理数据是处理统计问题的关键,由于测量精度不高,调查者在收集处理数据时经常会出现测量不精准的情况,调查者收集到的数据大多是缺失数据,该篇文章以不完全信息下的数据作为研究对象,结合单参数指数分布,探究不完全信息数据下指数分布的参数估计问题。首先,文章采用EM算法对带有不完全信息数据下的指数分布进行参数估计,通过建立似然函数,推导出带有不完全信息下的指数分布参数的迭代表达式。随后,利用R软件进行随机模拟试验,分别考虑不全数据所服从的分布的参数相同和不同的两个角度。最后,随机模拟的结果表明,迭代式的精度较高,并且提高了计算速度。     

EM算法在混合正态分布模型参数估计中的应用研究

有限混合分布可以作为众多随机现象的统计模型。很多随机现象在样本量足够大时都可以用正态分布近似,并且混合正态分布模型具有灵活、高效的拟合能力,因此混合正态分布模型被广泛应用。本文利用EM算法对混合正态分布模型进行了参数估计。该算法利用数据扩张,将比较复杂的似然函数最优化问题化成一系列比较简单的函数优化问题,得到相应的迭代公式。最后通过R软件对EM算法进行数值模拟,验证了EM算法的收敛性和有效性。