一类伪距离用于使用变换后的数据或间距来得出测试统计信息，以测试参数模型的拟合优度。 这些统计数据可以视为基于密度的统计数据，并可以表示为间距的简单函数。 众所周知，当零假设很简单时，统计量遵循渐近正态分布而没有未知参数。 在本文中，我们强调零复合假设的结果：首先可以通过广义间距法（GSP）估计参数，这等效于最小化与所考虑类别的伪距离； 随后，将估计的参数用于替换用于估计的伪距离中的参数； 可以构建复合假设的拟合优度统计数据，并显示出其又具有渐近正态分布而没有未知参数。 由于这些统计数据与差异度量有关，因此可以证明这些测试总体上是一致的。 此外，由于这些统计信息的简单性，并且在拟合模型后不会产生任何额外成本，因此可以将它们视为卡方统计信息的替代统计信息，而卡方统计信息需要使用统计方法基于经验分布（EDF）选择区间和统计信息具有复杂零值分布的原始数据可能取决于所考虑的参数族，也可能取决于真实参数的向量，但EDF检验对于替代假设所指定的某些特定模型的功能可能更强大。

这是手部关键点检测Android Demo APP安装包，可在Android手机安装，体检手部关键点检测的效果；更多博文推荐： 手部关键点检测3：Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集https://blog.csdn.net/guyuealian/article/details/133277726 手部关键点检测4：Android实现手部关键点检测(手部姿势估计)含源码 可实时检测https://blog.csdn.net/guyuealian/article/details/133277732 手部关键点检测5：C++实现手部关键点检测(手部姿势估计)含源码 可实时检测https://blog.csdn.net/guyuealian/article/details/133277748

针对干涉阵的波达方向估计，提出一种干涉式悟相估计的盲波达方向估计算法．利用干涉式幅相估计算法的空间谱和模型阶数选择准则获得目标个数和目标方向余弦的粗估计；使用子阵间的相位中心偏移来获得目标方向余弦的精估计．针对干涉阵带来的测角模糊问题，采用双尺度解模糊算法得到高精度且无模糊的目标波达方向估计．该算法是一种盲波达方向估计方法，精度较多重信号分类算法和双尺度旋转不变子空间算法的高．计算机仿真结果和实测数据验证了干涉阵波达方向估计的高精度测角性能和有效性．

人口结构对居民平均消费倾向的影响研究--基于2003-2012年的省际面板GMM估计，罗琲儿，蔡彤，本文利用2003-2012年中国31个省区的面板数据，采用差分及系统广义矩估计方法，分析人口结构，包括年龄、性别、学历、家庭及婚姻结构�

核密度估计方法matlab代码，可求带宽和密度分布，自行更换数据，自行设置参数（可用默认值）

功率谱估计算法，很有效经典。非参数谱估计，APES算法，振幅与相位估计

Android人体检测和人体关键点检测APP，支持CPU多线程和GPU加速，可实时检测(这是 Demo APP)，原文请参考《2D Pose人体关键点实时检测(Python/Android /C++ Demo)》https://panjinquan.blog.csdn.net/article/details/115765863

AMP-SBL Unfolding for Wideband MmWave Massive MIMO Channel Estimation 宽带毫米波大规模MIMO信道估计，用的是AMP-SBL方法，含文献及Python代码

信号交叉路口有时涉及多级人行横道，其中行人横穿一个或多个岛屿，然后在那儿等待信号继续。 如果对信号进行定时而不注意行人的前进，则多级交叉口的行人延误可能会很长。 本文讨论了两个问题。 首先，很少评估多级交叉路口的行人延误，因为除了微观模拟外，业内没有其他工具可实现这一目的。 我们提出了一种数值方法，用于确定任何阶段数和每个周期可能存在多个WALK间隔的交叉延迟。 可以将相同的方法应用于单级交叉口，对角线两级交叉口（行人可以选择路径）和自行车两级转弯。 此方法已在免费的在线工具中实现。 其次，我们描述了几种信号定时技术，可通过多级交叉路口改善行人和自行车骑行者的行进速度，从而减少行人和骑行者的延迟。 其中包括为选定的交叉路口提供服务，左转弯重叠，行人相相互重叠以及双向自行车交叉路口，这些交叉路口为两阶段转弯创建了路径选项。 实例表明，行人延误有可能大大减少，而行车延误通常很少增加或没有增加。 在一个示例中，增加短的行人重叠阶段使三级交叉口的平均行人延迟减少了82 s，而平均车辆延迟仅增加了0.5 s。

3D人体姿态估计数据集，含2D和3D关键点信息。