学了一学期的matlab，本来想全部的资源上传的，只是传不上去，所以先传点回归分析与参数估计的

mcmodels 贝叶斯参数估计模型 内容 models.py：多个模型的游乐场-Kruschke风格的BEST模型-Kruschke风格的BANOVA模型 fixdur.py：分段线性模型注视时间-尝试使用贝叶斯方法拟合扫视势头的影响- sdt_pymc2.py：信号检测理论模型

参数估计 点估计 可以用矩法和最大似然法进行参数估计。 区间估计 可以用mle函数，利用最大似然估计法进行参数的区间估计。 常见分布的参数估计 MATLAB统计工具箱提供了多种函数的参数估计函数，详见课本。

最小二乘法用于参数估计，用于检测和参数估计.c语言实现。用六个方程估计3个参数。

对同类通信辐射源个体识别方法进行了深入的研究，提出了基于局部围线积分双谱的通信辐射源个体识别算法，融合了辐射源调制特征参量作为分类特征向量，采用了基于混合核函数的支持向量机（SVM）实现辐射源个体识别。实验结果表明，该方法具有较高的正确识别率（90%以上），并能够较好地解决同型号、同批次通信辐射源的个体识别问题。

线性调频连续波激光雷达在光电器件响应速度有限的条件下，要满足较高的距离分辨率的测量要求，就需要比同体制微波雷达大得多的相对带宽。这就导致线性调频连续波微波雷达的距离与速度去耦合方法不能被直接应用。针对探测近距高速运动目标和实时性高的要求，根据激光雷达目标回波的特点，提出了一种快速线性调频信号参数估计方法，利用均匀分成两段的中频信号的傅里叶变换来获取目标的距离与速度信息。在目标距离50 m，速度1000 m/s，中频信噪比为0的仿真条件下，雷达测距误差小于15 mm，测速误差小于10 m/s。仿真实验表明，该方法具有较高的测量精度和较强的抗干扰能力。

针对任意方向的直线运动模糊图像，说明只能直接在运动方向上得到运动参数，从而设置二维点扩展函数（point spread function，PSF）。在此基础上，应用倒频谱分析法给出了PSF参数估计的方法。实验表明，该方法在模糊为任意方向且模糊范围介于5～55像素时对参数的估计误差较小，能保证较好的恢复质量；当模糊范围超出该范围时，估计误差急剧加大，估计值不可信，无法保证恢复质量。

概率密度函数非参数估计matlab代码这是JAMS的Python软件包。 JAMS是一个通用的Python软件包，提供了不同类别的其他功能，例如读取不同的文件格式，朱利安日期例程或气象功能。 它有几个提供常数的子包，可与Eddy协方差数据和诸如EddySoft之类的软件一起使用，提供特殊功能或与scipy.optimize.fmin或scipy.optimize.curvefit一起使用的目标函数，等等。 由Matthias Cuntz创建于2009年6月在Helmholtz环境研究中心-UFZ，Permoserstr的计算水系统系工作。 15，04318莱比锡，德国 它是根据MIT许可证分发的（请参阅LICENSE文件和下面的文件）。 版权所有（c）2012-2019 Matthias Cuntz，Juliane Mai，Stephan Thober，Arndt Piayda 联系Matthias Cuntz-mc（at）macu（dot）de 安装 该库由git存储库维护，位于： https://github.com/mcuntz/jams_python/ 要使用它，请签出git仓

高斯混合模型是有效的描述数据集合分布的手段，高斯混合模型中各个单高斯模型的均值、方差和权重的估计，实际上是样本空间下的参数估计问题。参数估计的方法有很多，相比较而言，EM算法是MLE（Maximum Likelihood Estimation）原理下的针对不完备数据集合的回归分析算法，它是由E步和M步迭代循环，直至误差小于给定门限为止。因此本文采用了一种基于EM方法的高斯混合模型参数估计的方法对运动人体姿态进行建模，可以较准确的对模型进行参数估计。对典型姿态建模之后还可以解决对姿态的识别问题。

matlab 参数估计与假设检验+源代码