基于matlab的多项分布的参数估计

贝叶斯估计 2013-09-23 09:13:00

手上有一批这样的数据，有四十多个二维的向量，这四十多个向量有四种取值（1,1）（1,0）（0,0）（0,1），我想问这是不是服从多项分布？然后我选择狄利克雷先验分布，想通过贝叶斯估计找出这四种取值的概率？这个用matlab怎么实现呢？

...全文

291 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

雁如一 2014-03-19

打赏
举报

回复

楼主这个问题解决了么？我也遇到类似的问题，想请教一下。

waleson 2013-10-25

打赏
举报

回复

问题怎么出现在这里？

matlab2016代码回归代理此回购包含论文“基于机器学习方法的左心室心肌参数估计的替代模型”中用于运行基于机器学习（ML）的替代模型的代码我们使用三种基于ML的代理模型，即K最近邻（KNN），XGBoost和多层感知器。可以将三个选择的ML模型视为监督学习回归问题。经过训练过程，我们进一步将三个基于ML的代理模型应用于参数估计。要求该代码需要Matlab2016，Python（3.6+）和以下依赖项：，，，，。要进行设置，无论运行哪种方式，您都可以下载此存储库并更好地准备一个点子环境： cd . pip install --upgrade pip pip install -r requirements.txt

insfilterAsync（Navigation Toolbox）对象是一个复杂的扩展卡尔曼滤波器，用于估计设备姿势。然而，手动调整滤波器或找到噪声参数的最佳值可能是一项具有挑战性的任务。此示例说明如何使用tune（导航工具箱）函数来优化滤波器噪声参数。一、轨迹和传感器设置为了说明滤波器的调谐过程，请使用简单的随机航点轨迹。对象为过滤器创建输入。二、构造筛选器滤波器融合来自异步运行的多个传感器的数据insfilterAsync 三、确定过滤器初始条件根据基本事实设置与属性的初始值。通常，要获得初始值，将使用前几个样本以及校准例程。但是，在此示例中，用于设置滤波器快速收敛的初始状态。四、使用未调谐滤波器处理sensorData 使用该功能创建也需要调整的测量噪声。为了说明优化的必要性，请首先使用筛选器及其默认参数。五、调整筛选器和进程sensorData 使用该函数最小化和状态估计之间的均方根（RMS）误差。六、比较调谐与未调谐滤波器绘制调谐和未调谐滤波器的位置估计值以及地面实况位置。然后，绘制调谐和未调谐滤波器的方向误差（四元数距离），以度为单位。

matlab代码影响伪CTImaging 基于多图集并在mutlicore和manycore平台上进行补丁的基于伪CT的伪CT估计（请参见[1,2]）。 CT采集模式可提供获得PET衰减图所需的电子密度。当考虑到PET / MR多模态时，从MRI图像合成伪CT图像是纠正PET的自然解决方案。基本思想如下：1）给定输入的MRI图像生成伪CT； 2）根据伪CT体积计算衰减图； 3）应用衰减图校正PET图像。我们将专注于生成伪CT图像的第一步：合成。该算法已使用以下方法实现：单核英特尔ICC 多核OpenMP 具有三项优化的GPU（CUDA）通用汽车全球记忆 GM2全局存储器，寄存器改进 SM共享内存 Matlab函数读取输入MRI的数据，解剖图谱并将分割结果写入Matlab文件.mat中。有一种方法可以随机创建数据以进行测试。将来，我将使用MatrixIO扩展读取数据。为方便起见，我仅在一类中实现了该算法，以方便在服务器中进行部署（编译和执行）。将来，我将改善模块化，并创建一个用于使用UI的dll。下图示意性地说明了我们建议的工作流程。输入参数是表示要从中进行模态的

这些例程支持 A. Meucci 所著的《风险与资产配置》Springer Finance 一书，请参阅http://www.symmys.com 这些例程包括许多新功能： - 更多的单变量、多变量和矩阵变量分布- 更多的连接词- 更多图形表示-关于位置分散椭球的更多分析。 - 最佳复制/最佳因子选择- 基于 FFT 的投资范围分布预测- 关于 delta/gamma 定价的警告- 通用估计器的逐步评估- 非参数估计量- 多元椭圆最大似然估计量-收缩率估算器：Stein和Ledoit-Wolf，贝叶斯经典等效项- 稳健的估计器：Hubert M，高击穿最小体积椭球- 缺失数据技术：EM 算法、不均匀序列条件估计- 随机优势- VaR 的极值理论- VaR 的 Cornish-Fisher 近似- 基于内核的对 VaR 的贡献和不同风险因素的预期不足- 均值方差分析和陷阱（不同的范围、复

方位多通道技术是合成孔径雷达(SAR)实现高分宽测的手段之一。在多通道系统中通道失配是不可避免的,这会导致SAR图像模糊。已有的通道失配校正方法大多依赖于系统参数以及场景内容。参数的不确定性将会大大降低校正算法的稳定性。该文提出了一种改进的通道失配校正方法,根据失配产生的原因,将通道失配分为距离增益误差、脉冲采样时钟误差和传输相位误差3项。前两项误差通过交替估计进行补偿,而传输相位误差则通过代价函数给予估计。该方法对成像场景的依赖较小,基于机载多通道验证平台实测数据的实验验证了该方法的有效性。

其他开发语言

3,424

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章