核密度非参数估计的matlab代码Non_Parametric_Kernel_Density_Estimation 我们建议使用基于核密度估计 (KDE) 的方法进行分类。 这种非参数方法本质上以一种有原则的方式为每个类提供了成员资格的可能性。 该实现用于： [1] MU Ghani、F. Mesadi、SD Kanik、AO Argunsah、A. Hobbiss、I. Israely、D. Unay、T. Tasdizen 和 M. Cetin，“基于树突棘分类的形状和外观特征”，Journal of神经科学方法。 任何使用此代码的论文都应相应地引用 [1]。 该软件已经在Matlab R2013b下进行了测试。 解压压缩文件后，启动Matlab，然后可以在根目录下运行“KDE_JNeuMeth.m”。 如果报告错误，则您可能没有以下某些 MATLAB 工具箱。 请确保您已正确安装以下 MATLAB 工具箱： 统计和机器学习工具箱 生物信息学工具箱 如果您仍然有问题，您可以给我发电子邮件，或者我会尽力提供帮助。 照原样，该代码使用基于析取法线形状模型 (DNSM) 和定向梯度直方图

自适应Tikhonov正则化参数估计方法

四、参数估计的一般方法 参数估计 点估计 矩估计法 区间估计 对总体均值的估计 极大似然估计法 对总体方差的估计

考虑基于最小二乘法的河道流量演算参数估计，对马斯京根法进行改进

首先利用三次样条插值函数拟合河道上游断面入流和下游断面出流过程，然后应用最小二乘原理进行马斯京根流量演算系数的最优估计．这种数学估计方法克服了传统试错法人为因素的不确定性，也提高了单纯使用最小二乘法估计流量演算系数的精度，并且为下游断面出流过程提供了不同时间步长的出流信息．该方法具有确定模型流量演算系数速度快、精度高和求解唯一性等特点，在实际河道流量演算中取得了较好的应用效果．

一种利用MATLAB实现的射线追踪算法，估计各种无线系统参数。

用em算法估计高斯混合模型参数，matlab代码

计算 A、B、R、E、F 和 Q 的最大似然估计Y(:,t) = A + B*X(:,t) + e(:,t), e(:,t)~N(0,R) X(:,t) = E + F*X(:,t-1) + u(:,t), u(:,t)~N(0,Q) 其中 Y 是 N × T 的可观察向量，X 是 K × T 未观察到的状态向量。 结构参数扩展的 EM 算法用于计算参数集估计的一个元素，该元素被映射到归一化参数空间中的唯一点估计。 支持许多流行的规范化（参数化）。 该算法实现了平方根卡尔曼滤波器。 总体而言，SPX-EM 算法比标准 EM 算法更健壮，收敛速度更快。 第一个版本几乎没有花里胡哨：请告诉我可能对您有用的任何其他功能。 报告错误或意外行为以及...

鉴于目前很少有论文讨论完整的由单幅二维灰度图像重构物体表面形状的算法，包括它的控制参数的估计及算法的实现，介绍了一种完整的SFS算法。它在考虑自遮掩影响的情况下，有效地估计了SFS算法中涉及的各种控制参数，并引入亮度约束、灰度梯度约束和可积性约束，计算出表面高度和表面向量，实现三维重构。与传统的算法相比，本算法无论是在速度还是在精度方面都达到了比较高的水平，具有一定的应用前景。最后还指出了在MATLAB中实现需要注意的问题。

matlab实现贝叶斯（bayes）参数估计