有限维混合指数分布参数估计的EM算法

文中应用EM算法,结合单参和混合双参时混合指数分布的参数估计方法,给出有限维混合指数分布在完全数据下的参数估计,及相关的迭代方程,在应用上更具普遍性.     

混合Weibull分布的参数估计

混合Weibull分布是寿命数据分析中的一个非常重要的统计模型,本文应用EM算法详细研究了混合weibull分布在寿命实验条件下,在完全数据场合,截尾数据场合的参数估计问题。     

EM算法的研究

聚类分析是信息产业界非常热门的研究方向,也是数据挖掘的最主要的功能之一。期望最大值(EM)是聚类分析中的重要技术。本文对期望最大值(EM)算法进行分析,并对高斯混合模型进行了研究,利用最大似然估计和EM算法在一组人工生成高斯数据上进行试验,达到了较好分类的效果。     

Kalman滤波和EM算法对M-to-M信道的参数估计

本文将在随机微分方程（sDE）建立的M-to-M状态空间模型基础上,通过对该线性模型进行离散化,然后利用离散Kalman滤波对其状态空间进行估计,最后,再利用基于滤波的EM算法对该离散空间模型参数进行估计．     

基于EM算法实现混合密度极的大似然参数估计

在介绍极大似然估计与EM算法的基础上,探讨了基于EM算法的两混合正态分布极大似然参数估计,并举例说明了若干经典场合的极大似然估计的算法．     

基于不同缺失率的EM算法参数估计分析

在社会资料调查工作中,往往因失访、未响应或者回馈结果不合格等多方面因素,会造成不同程度上的数据缺失,这一现象较为常见且难以避免.按照统计学观点,将包含缺失数据的记录归为不完全观测范畴,它对调查研究工作的最终结果影响巨大.而EM(期望最大化)算法,则恰好满足了需要利用不完全数据来研究分析问题的要求,具有重要意义.本文结合不同缺失率下的EM算法参数估计分析,对EM算法进行了全面评测.     

基于区间数据加速寿命试验参数估计的EM算法

主要讨论了在步进应力加速寿命试验中,如果寿命分布服从对数正态分布,寿命数据为区间数据,且试验产品满足Nelson提出的累积失效模型的情况下,可以通过推导出的时间折算公式及EM算法给出参数估计。同时举例说明了在样本数据较多的情况下该估计方法的有效性。     

基于高斯混合模型的k均值初始化EM算法的研究

EM算法是一种非常流行的极大似然估计方法,是一种当观测数据为不完全数据时求解最大似然估计的迭代算法,也是估计有限混合模型参数十分有效的算法.然而,EM算法是一个局部最优算法,常常容易陷入局部最优解,使得它的初始值对算法的结果有着极其重要的影响.因此采用k均值算法来初始化EM算法并将聚类结果同直接用EM算法得到的聚类结果相比较.数值试验表明经过初始化的EM算法的聚类效果要明显好于原始EM算法的效果.     

EM算法在不完全数据参数估计中的应用

在数理统计中,由于多种不确定因素,可能造成数据不完整或删失情况的出现,这种情况下,会影响数据的可靠性和准确性。对于这样的问题数据,用常规方法可以进行处理,但是这些方法本身有一定的局限性,最终可能导致进行参数估计的数据出现很大误差。所以该文将介绍一种实施简单方便的EM算法,它对不完全数据参数的计算非常有效,能够较准确反映实际情况。     

两混合正态分布的参数估计方法

对两混合正态分布的参数估计问题进行了研究,在传统的极大似然估计的基础上运用EM算法来求解参数估计.首先给出了EM算法的基本原理,然后针对两混合正态分布推出了参数估计的迭代公式,最后用例子验证了参数估计的可靠性.     

三元混合指数分布的参数估计

本文应用EM算法研究了三元混合指数分布在正常应力条件下和恒定应力加速寿命试验条件下,在完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。     

两种删失数据情形下基于EM算法的指数分布的参数估计

主要讨论了在数据随机删失和数据分组与右删失两种情形下指数分布的参数估计问题.并用EM算法对参数进行了估计.     

基于缺失数据下混合Pareto分布参数的估计

文章运用矩估计的方法,研究当数据不完整的情况下混合Pareto分布总体参数估计问题.首先,由矩估计法解得的统计量满足相合性和渐近正态性.然后,由随机模拟得出两参数估计的均方误差.最后,通过观测均方误差结果验证其具有可行性.     

混合双参数Pareto分布在截尾数据下的参数估计

应用EM算法之ECM算法,研究了混合分布在截尾数据场合下的参数估计问题,并给出具体的算式．说明EM算法是一种行之有效的方法．     

Bernoulli分布中参数p的近似置信区间及应用

给出了Bernoulli分布中未知参数的4种不同形式的近似置信区间,包括基于Hoeffding不等式和Bernstein不等式两种新的置信区间,并通过模拟比较了置信区间在大样本和小样本情形下的优劣.     

基于EM算法的线性拟合问题研究

根据实验数据寻找函数关系近似表达式是许多工程经常遇到的问题,其中用直线拟合已知数据最为常见.文中给出的EM算法为线性拟合提出了一种新算法,特别解决了直线条数不确定线性拟合问题.     

EM算法在文本挖掘中的应用

在网络环境中文本挖掘的过程主要包括特征提取、特征选择、挖掘方法选择、结果评价和知识模块等几个部分;最新的发展方向是基于EM算法对文本进行挖掘,基于该算法的的比较挖掘模型为：首先对已知数据集任意分为几个类,然后根据各个类集和背景集对文档集的各个词进行似然,再通过求和可以得到整个数据集的似然,该过程反复进行,直到收敛,从而可以根据各类和背景集结果中的较大的概率值得出文本的共同主题和各个类的主题。     

移动学习中使用EM算法的学生聚类分析

随着网络技术与通信技术的迅速发展,移动学习呈现出强大的发展势头,它真正为学生的随地学习和个别化学习提供了可能性.文章将基于数据挖掘技术,使用EM算法对移动学习中学生进行聚类分析,发现学生群体的分布特点,结合各个学生群体的特性及差异,为移动学习的课程资源设计与教学过程设计的改进提供帮助.     

基于EM算法的MIMO-OFDM系统半盲信道估计研究

文章通过对MIMO-OFDM(Multiple Input Multiple Output Orthogonal Frequency Division Mul-tiPlexing)系统及其信道估计的分析,针对MIMO-OFDM系统提出一种基于EM的半盲信道估计算法。不仅有利于减少MIMO-OFDM的系统开销,且有助于提高系统的信道估计精度,降低了计算的复杂度。     

基于EM—BN算法的网络调查问卷分析研究

随着计算机技术、通信技术和互联网的高速发展,网络调查进入到了快速发展的阶段。针对所设计的调查系统题目开放易存在缺失数据值的问题,应用了最大期望的贝叶斯网络算法对缺失数据值进行填充,利用填充后的完备数据集进行分类别统计分析,分析结果表明网络调查与印刷调查可以得到一致的调查结果。