一元正态总体参数估计的回顾

基于SVD_TSL算法的ARMA模型的参数估计

这是一种演化的粒子滤波算法，与标准的粒子滤波算法不同，这个算法可以取得很好的滤波精度

给出了对指数分布总体未知参数的有效估计方法和对未知参数所作假设的一致最优势检验。

递推最小二乘实现参数估计，对不确定的系统有良好的参数估计效果。

增广最小二乘法是最小二乘法的一种简单推广 只是扩充了参数向量θ和数据向量h(k)的维数 辨识过程模型参数的同时辨识噪声模型 就这种意义上说，可称之为增广最小二乘法 噪声模型参数估计的收敛过程比过程模型参数估计值的收敛速度慢 从实用角度来说，噪声模型阶次不宜取太高 3.4.2 增广最小二乘法原理及算法 增广最小二乘算法的特点

模式识别-贝叶斯估计—手写数字概率模型参数估计与识别代码，附带测试集和训练集，带有详细注释及各部分具体流程分类和说明。有利于读者弄懂原理和具体流程

系统建模和参数估计--理论与算法 高校教材

em算法matlab代码稀疏PELS 线性动力系统的稀疏参数估计 说明：该存储库包含线性动力学系统的稀疏参数估计的实现。 版权所有（c）2020 Behrad Soleimani保留所有权利 接触： 引用：如果您发现这些代码对您的研究有帮助，请引用以下论文 B. Soleimani，P。Das，J。Kulasingham，JZ Simon和B. Babadi，“间接低维测量的Granger因果推断及其在MEG功能连通性分析中的应用”，2020年第54届信息科学与系统年会（CISS） ，普林斯顿，新泽西州，美国，2020年，第1-5页，。 日期：2020年5月3日 要求：在Matlab R2019a版本中实现，但应在大多数版本上运行。 内容： main.m：主脚本。 SparsePELS.m： SparsePELS算法。 EM.m：期望最大化（EM）算法。 EStep.m：期望（E-）步骤。 IRLS.m：迭代重新加权最小二乘（IRLS）算法。 MStep.m：最大化（M-）步骤。 VARGenerator.m： VAR过程生成器。 redblue.m：红蓝色配色图。 SparsePEL

阶乘matlab代码Python中具有在线传递参数估计的多要素进化算法（MFEA-II） 该存储库实现MFEA-II。 经过MTSOO基准测试。 此仓库可以用作模板或启动程序代码，以对其他特定问题进行多任务优化。 先决条件 这是一个纯粹的Numpy / Scipy实现。 使用安装必要的库 pip3 install -r requirements.txt 例子 使用运行样本测试 python3 run.py 作者 Le Tien Thanh - MSOLab-河内科技大学- 执照 此项目已获得MIT许可证的许可-有关详细信息，请参见文件 致谢 请参考原始文件：Bali，Kavitesh Kumar等。 “具有在线传输参数估计的多因子进化算法：MFEA-II。” IEEE进化计算交易（2019）。 MTSOO基准：Da，Bingshui等。 “用于单目标连续优化的进化多任务处理：基准问题，性能指标和基准结果。” arXiv预印本arXiv：1706.03470（2017）。