该文档包含生成模型、判别模型的区别，高斯判别模型与LR之间的关系，NB以及基于拉普拉斯平滑处理的NB的例子，EM算法流程及例子，最后以一个常见的垃圾邮件分类为例解释说明贝叶斯算法。

极大似然 S函数 逻辑回归 具体案例 学习笔记

针对非线性最小二乘法在国内目标运动分析中应用较少的现状,首先在二维平面内推导出关于纯方位目标运动状态的极大似然估计的计算公式并给出了基于高斯-牛顿迭代算法的计算过程及步骤,随后分析了极大似然估计的性能和迭代算法的收敛性。仿真计算的结果表明:当迭代初值与目标真实状态充分接近时,用所推导出的计算公式能够快速稳定地得到关于目标运动状态的极大似然估计,迭代算法形式简洁,计算量校该研究成果可应用于舰艇作战系统目标被动跟踪定位软件。

极大似然估计的实现，极大似然估计的实仿真程序，锚的坐标计算。

极大似然法matlab实现.

本人系统辨识课程的全部代码 以及报告 报告里有所有算法原理。内容如下： 第一章 最小二乘法 1 1.1 问题重述 1 1.2 最小二乘法 1 1.2.1 基本最小二乘法 1 1.2.2 不需矩阵求逆的最小二乘法 2 1.2.3 递推最小二乘法 4 1.3 辅助变量法 6 1.3.1 一次辅助变量法 6 1.3.2 递推辅助变量法 7 1.4 广义最小二乘法 9 1.4.1 一次广义最小二乘法 9 1.4.2 递推广义最小二乘法 10 1.5 夏式法 12 1.5.1 夏式偏差修正法 12 1.5.2 夏式改良法 13 1.5.3 递推夏式法 13 1.6 增广矩阵法 16 1.7 自编方法-多

清华大学《过程辨识》为基础的教学课件，word格式

航空飞行器建模系统辨识英文论文，航空飞行器建模仿真，系统辨识、极大似然法对模型的辨识

混合正态分布参数极大似然估计的EM算法.pdf

极大似然估计方法（Maximum Likelihood Estimate，MLE）也称为最大概似估计或最大似然估计，是求估计的另一种方法，最大概似1821年首先由德国数学家C. F. Gauss提出，但是这个方法通常被归功于英国的统计学家R. A. Fisher（罗纳德·费雪）。