此提交实现了期望最大化算法并在简单的 2D 数据集上对其进行了测试。 期望最大化（EM）算法是一种迭代方法，用于在统计模型中依赖于未观察到的潜在变量的情况下，找到参数的最大似然或最大后验（MAP）估计。 EM 迭代在执行期望 (E) 步骤和最大化 (M) 步骤之间交替执行，该步骤为使用参数的当前估计评估的对数似然的期望创建函数，以及计算最大化预期对数的参数 -在 E 步骤中找到的可能性。 然后使用这些参数估计来确定下一个 E 步骤中潜在变量的分布。
Github 存储库： https://github.com/rezaahmadzadeh/Expectation-Maximization
2021-09-13 13:48:07
62KB
1
针对指标期望为随机变量情形的多指标决策问题, 提出一种决策分析方法. 该方法首先通过计算指标值相对于指标期望的损益值, 将决策矩阵转化为关于指标期望的损益矩阵; 然后运用随机占优准则, 通过判断针对每个指标两两方案之间的随机占优关系, 进而构建两两方案的随机占优关系矩阵, 并使用PROMETHEE II 方法对方案进行排序; 最后以某研究所移动硬盘采购问题为例, 对所提出方法的实用性进行说明.
2021-09-11 17:25:19
183KB
1
行业分类-外包设计-基于期望闭环传递函数的伺服系统控制器优化方法.zip
2021-09-01 19:02:04
1.03MB
mihoyo三渲二第3卷_“折叠”创建一个压倒性的屏幕以满足用户期望.pdf
2021-08-28 09:05:10
1.75MB
【问题描述】
泊松分布是一种常用的离散型概率分布，数学期望为m的泊松分布的分布函数定义如下：
P(m, k) = mk * e-m/k! (k = 0, 1, 2, 3, …)
对于给定的m和k (0
2021-08-12 00:55:37
827B
1