使用 MLE 和卡尔曼滤波器估计 Schwartz-Smith (2000) 论文（商品价格的短期变化和长期动态）中提出的 2 因子模型的模型参数。 然后根据估计的参数生成两个因子。 此代码允许用户根据提供的每日数据轻松选择不同的数据频率，在提供的总数据集的子样本上估计模型，在估计中从提供的数据集中添加或删除一些未来合约，选择初始猜测为参数和初始状态。 此代码还运行几何布朗运动模型和用作基准的 Ornstein-Uhlenbeck 模型的估计。 然后将 Schwartz-Smith 2 因子模型通过 Log-L 分数、LR 检验和 p 值以及生成的未来曲线与观察到的曲线之间的误差统计（平均误差、平均绝对值）与两个一因子模型进行比较误差，误差的标准差）。 这两个状态变量最终呈现在图表中（参见屏幕截图）。 编写此代码是为了在我的硕士学位论文中进行研究： http : //www.lun

大数据-算法-非平稳色噪声环境下的参数估计方法研究.pdf

大数据-算法-非参数估计法在我国上市公司信用评级中的应用研究.pdf

参数估计 成平著 非常好的数理统计专著 有助于进一步进行研究

多分量LFM信号在分数阶Fourier域的参数估计与分离，刘宝华，李运华，分数阶Fourier变换由于其特有的性质，非常适和处理LFM信号，尤其是作为一种线性变换，可以克服多分量LFM信号的交叉项的干扰。本文在��

高斯混合模型（Gaussian mixture model，簡稱 GMM）是單一高斯機率密度函數的 延伸，由於 GMM 能夠平滑地近似任意形狀的密度分佈，因此近年來常被用在語音 與語者辨識，得到不錯的效果。 8 – 1. 單一高斯機率密度函數的參數估測法 8 – 2. 高斯混合密度函數的參數估測法 8 – 3. 求取 GMM 參數的另一種方法

svr圆参数估计，matlab写的，附带数据集，代码有详细的注释及说明，有利于读者深入了解SVR算法及操作流程

MUSIC算法参数估计的均方根误差（RMSE）

现代信号分析与处理技术_第1讲_参数估计方法.pdf

针对近场源三维参数估计效率低下及信号源的载波频率估计较少的情况,提出了一种基于均匀圆阵(UCA)的近场源四维参数估计快速算法,利用UCA的中心对称结构构造出两个相关序列,其中一个为利用错位相乘构造的相关序列,使之含有信号源的方位角、俯仰角以及载波的频率信息,而另外一个构造的相关序列则含有信号源的距离参数,这样两个相关序列的相位就包含信号的4-D参数信息.首先对利用错位相乘构造的相关序列利用最小二乘方法给出方位角、俯仰角和频率的估计,然后再利用另一个序列估计出距离参数.仿真结果表明该算法和3-D MUSIC算法性能相当,但由于所提算法无需三维搜索和特征分解,因而计算更加简单利于工程实时实现.