最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

蒙特卡罗matlab仿真代码Maximum_Likelihood_Estimation_of_the_GJR-GARCH_Model_Using_Matlab 使用 Matlab 估计 GJR-GARCH 模型的最大似然 我们报告了用于 GJR-GARCH (Glosten-Jagannathan-Runkle GARCH) 模型最大似然估计的 Matlab 代码； 此外，我们报告了蒙特卡罗模拟，该模拟表明最大似然估计量收敛到真实参数。 我们将 t5-student 创新用于 GJR-GARCH 过程。 其他细节：所有Matlab代码文件必须包含在同一个文件夹中，并且该文件夹必须添加到Matlab路径中。 包含 Monte Carlo 模拟的主要 Matlab 文件名为“MainFile.m”。 此存储库中包含的所有其他 Matlab 文件 - 即“MLE_t5_tgarch.m”和“mycon_threshold_garch.m” - 是用于估计 GJR-GARCH 模型参数的辅助文件。

Constrained Maximum Likelihood Estimation

社交媒体为许多人提供了一个在线表达情感的机会。 对用户情绪进行自动分类可以帮助我们理解公众的偏爱，公众有很多有用的应用程序，包括情感检索和意见汇总。 短文本在Web上很普遍，尤其是在推文，问题和新闻标题中。 现有的大多数社会情感分类模型都集中在长文档传达的用户情感的检测上。 在本文中，我们介绍了一种用于对短文本进行用户情感分类的多标签最大熵（MME）模型。 MME通过对多个用户共同评分的多个情感标签和价进行建模，从而生成丰富的功能。 为了提高该方法在变尺度语料库上的鲁棒性，我们进一步开发了一种针对MME的协同训练算法，并将L-BFGS算法用于广义MME模型。 在现实世界中的短文本集合上进行的实验验证了这些方法对稀疏特征进行社会情感分类的有效性。 我们还演示了生成的词典在识别传达不同社会情感的实体和行为中的应用。 （C）2016 Elsevier BV保留所有权利。

最大后验（Maximum A Posteriori，MAP）概率估计 注：阅读本文需要贝叶斯定理与最大似然估计的部分基础   最大后验（Maximum A Posteriori，MAP）估计可以利用经验数据获得对未观测量的点态估计。它与Fisher的最（极）大似然估计（Maximum Likelihood，ML）方法相近，不同的是它扩充了优化的目标函数，其中融合了预估计量的先验分布信息，所以最大后验估计可以看作是正则化（regularized）的最大似然估计。   想要了解最大后验（MAP）概率估计，需要学会贝叶斯定理以及极大似然估计（Maximum Likelihood Estimate，M

Mean Maximum Discrepancy计算代码，分为线性核和高斯核两种，以pytorch书写的

(Peng et al, 2005 and Ding & Peng, 2005, 2003) 中的 mRMR（最小冗余最大相关）特征选择方法的两个源代码文件，其优于传统顶级方法的性能已在最近出版物中的数据集数量。 该版本使用互信息作为计算变量（特征）之间相关性和冗余的代理。 其他变化，例如使用相关性或 F 检验或距离，也可以在此框架内轻松实现。 Hanchuan Peng、Fuhui Long 和 Chris Ding，“基于互信息的特征选择：最大依赖、最大相关和最小冗余的标准”， IEEE 模式分析和机器智能汇刊， 卷。 27, No. 8, pp.1226-1238, 2005。 Ding C. 和 Peng HC，“微阵列基因表达数据的最小冗余特征选择”，《生物信息学与计算生物学杂志》， 卷。 3, No. 2, pp.185-205, 2005。 Ding，C 和 Peng

matlab实现同步的代码突发模式 CPM 的最大似然同步 用于实现Hosseini & Perrins为不同类型的 CPM 信号 (GMSK-RECT-RC ....) 引入的同步方法的 Matlab 代码。 实现的细节可以从这两篇论文中获得： “Burst-Mode CPM的Maximum Likelihood Synchronization of Burst-Mode CPM”和“Timing, Carrier, and Frame Synchronization of Burst-Mode CPM” 如何引用这部作品？ 如果您将此软件包用于自己的工作，请考虑使用以下内容引用它： @INPROCEEDINGS { 9232344 , author = { Kassan, Karim and Farès, Haïfa and Glattli, D. Christian and Louët, Yves } , booktitle = { 2020 XXXIIIrd General Assembly and Scientific Symposium of the Internation

从 R^n 中给定的一组 k 个点计算两点之间的最大距离。 如果可能，从凸包执行计算，这大大减少了计算时间。

Introduction to Estimation Theory with Application in Spectral Analysis It is a MATLAB program with experiment data for verification. reference book: Digital Spectral Analysis Edited by Francis Castanié