大数据-算法-高速跳频信号参数估计与调制识别.pdf

大数据-算法-非线性回归与参数估计及其在北长山岛森林生态系统碳收支估算中应用.pdf

在使用FFT距离多普勒算法进行ISAR成像处理时，回波相关性的减弱将加大运动补偿难度，带来较大的误差。该文在常规相邻相关法基础上，提出了一种改进的运动补偿方法。在距离向上，利用基准回波相关法与曲线拟合，克服了低回波相关性下包络对齐时出现的包络漂移、包络跳变等缺陷；在方位向上，利用DCFT变换，对目标的运动参数进行精确估计并加以补偿，减小了回波相关性降低对相位补偿的影响。仿真验证了该方法的有效性。

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