已閱讀1頁，還剩26頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文中,我們將對(duì)該問題進(jìn)行深入地研究,將給出一個(gè)基于集合C的棱向量來計(jì)算參數(shù)向量的極大似然估計(jì)的簡(jiǎn)單EM迭代法則,在C的棱向量容易求得情況下,它比通常的求極大似然估計(jì)的算法要簡(jiǎn)單得多.它不但適用于C為等式約束的情況,也適用于C為不等式約束的情況.我們主要討論了C為邊界齊次的方列聯(lián)表的情況,給出了一般情況下邊界齊次的方列聯(lián)表的棱向量,并證明了關(guān)于n×n邊界齊次的方列聯(lián)表的一個(gè)一般性結(jié)論:當(dāng)n>2時(shí),約束條件C的棱向量的個(gè)數(shù)N<,n>=C<
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 瑞利分布的Bayes估計(jì)與極大似然估計(jì).pdf
- Logistic模型的極大似然估計(jì).pdf
- 基于復(fù)雜刪失數(shù)據(jù)下極大似然估計(jì)的算法研究.pdf
- 樣本峰度最大值與Weibull分布參數(shù)的極大似然估計(jì).pdf
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計(jì)研究.pdf
- 盲源分離的極大似然估計(jì)算法研究與應(yīng)用.pdf
- Poisson混雜模型的極大似然估計(jì).pdf
- 極大似然和MUSIC算法用于DOA估計(jì)的DSP實(shí)現(xiàn).pdf
- 基于極大似然估計(jì)的ADC測(cè)試算法的改進(jìn)與實(shí)現(xiàn).pdf
- 分組數(shù)據(jù)下競(jìng)爭(zhēng)風(fēng)險(xiǎn)混合模型的極大似然估計(jì).pdf
- 2016考研數(shù)學(xué)復(fù)習(xí)之極大似然估計(jì)
- 有關(guān)極大似然估計(jì)若干問題的研究.pdf
- 極大似然估計(jì)在生活中的應(yīng)用
- 近似因子模型的懲罰極大似然估計(jì).pdf
- 3627.幾種數(shù)據(jù)類型下兩參數(shù)logistic分布參數(shù)的近似極大似然估計(jì)
- 46718.排序集抽樣下對(duì)稱位置參數(shù)極大似然估計(jì)的性質(zhì)
- cox模型中協(xié)變量部分缺失且參數(shù)滿足線性不等式約束下的極大似然估計(jì).pdf
- 對(duì)數(shù)正態(tài)分布參數(shù)的最大似然估計(jì)
- 11475.在優(yōu)良的排序集抽樣下廣義貝努利分布中參數(shù)的極大似然估計(jì)
- 連接位極大似然Minwise估計(jì)子的研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論