概率密度函数非参数估计matlab代码代码-Matlab 2017a / Python 3.7-MSAL（多标准优化主动学习）算法 主动学习选择最关键的实例，并通过与Oracle的交互来获取它们的标签。 选择信息量大或代表性的未标记实例可能会导致采样偏差或聚类依赖性。 在本文中，我们提出了一种考虑实例的信息性，代表性和多样性的多标准优化主动学习（MSAL）算法。 信息性是通过soft-max预测的熵来衡量的，而代表性是通过非参数估计所获得的概率密度函数来衡量的。 两者的复用被用作优化目标，以减少模型不确定性并探索未标记数据的分布。 多样性是通过选定的关键实例之间的差异来衡量的。 这用作阻止选择过于相似的实例的约束。 实验在Matlab R2017a软件上进行。 DOI：10.1109 / ACCESS.2019.2914263 WOS：000470246900001

自适应控制---遗忘因子递推最小二乘参数估计 自适应控制---遗忘因子递推最小二乘参数估计

该资源是李竹渝、鲁万波和龚金国编著的《经济、计量中的非参数估计技术》一书的电子版，该书是学习非参数核估计非常经典的入门书籍，书中详细介绍了相关的方法和案例，其中附录中也有相应的程序。

一元正态总体参数估计的回顾

基于SVD_TSL算法的ARMA模型的参数估计

这是一种演化的粒子滤波算法，与标准的粒子滤波算法不同，这个算法可以取得很好的滤波精度

给出了对指数分布总体未知参数的有效估计方法和对未知参数所作假设的一致最优势检验。

递推最小二乘实现参数估计，对不确定的系统有良好的参数估计效果。

增广最小二乘法是最小二乘法的一种简单推广 只是扩充了参数向量θ和数据向量h(k)的维数 辨识过程模型参数的同时辨识噪声模型 就这种意义上说，可称之为增广最小二乘法 噪声模型参数估计的收敛过程比过程模型参数估计值的收敛速度慢 从实用角度来说，噪声模型阶次不宜取太高 3.4.2 增广最小二乘法原理及算法 增广最小二乘算法的特点

模式识别-贝叶斯估计—手写数字概率模型参数估计与识别代码，附带测试集和训练集，带有详细注释及各部分具体流程分类和说明。有利于读者弄懂原理和具体流程