直方图估计(不同窗宽的比较） 模拟数据来自N(0,1),样本量300，最优窗宽0.52 窗宽较小 最优窗宽

大数据-算法-非参数方法对校准模型的改进及在中国的实证研究.pdf

大数据-算法-非参数方法及其在T模型上的应用.pdf

§1.2.核密度估计

matlab非参数代码非参数采样纹理合成 CS663 最终项目。 通过非参数采样进行纹理合成。 这是加州大学伯克利分校的 Alexei A. Efros 和 Thomas K. Leung 关于通过非参数采样进行纹理合成的论文的实现。 我们已经实现了 matlab 代码，最终报告包含最终结果。

EL99，texture synthesis by non-parametric sampling,为记事本文件，但是思想都有，稍加修改即可。。

核密度估计（窗宽及核的比较） 窗宽小：偏差小，但方差大。表现为不够光滑。

常用的标准化降水指数 (SPI) 依赖于具有代表性的参数概率分布函数（例如 Gamma）。 但是，参数分布函数可能不适合数据，尤其是在大陆/全球尺度研究中。 此代码基于不需要假设代表性参数分布的非参数框架计算 SPI。 该框架最吸引人的特点是它导致基于不同变量的统计一致的干旱指标。 软件包中包含用户指南和样本输入数据。 此代码也是标准化干旱分析工具箱 (SDAT) 的一部分： http://amir.eng.uci.edu/sdat.php 参考： Hao Z.、AghaKouchak A.、Nakhjiri N.、Farahmand A.，2014，全球综合干旱监测和预测系统，科学数据，1：140001，1-10，doi：10.1038/sdata.2014.1。 Farahmand A.、AghaKouchak A.，2015，用于推导非参数标准化干旱指标的通用框架，水资源进展，

统计学高清思维导图-非参数方法

作为不确定性条件下知识表示和决策的重要工具，Dempster-Shafer证据理论（DS理论）已在许多领域中使用。 DS理论的应用严重依赖于基本概率分配（BPA）的可用性。 BPA的确定仍然是一个悬而未决的问题。 提出了一种获取BPA的非参数方法。 该方法可以处理分类问题中的多属性数据集。 数据集样本的每个属性值都被视为随机量。 使用训练数据计算其非参数概率密度函数（PDF），可以将其视为对应属性的概率模型。 然后，基于测试样本和概率模型之间的关系来构造BPA函数。 在证据理论的框架内，数据集中缺少的属性值被视为无知。 此方法没有任何特定分布的假设。 因此，它可以在许多工程应用中灵活使用。 所获得的BPA可以避免证据之间的高度冲突，而这是数据融合所希望的。 使用几个基准分类问题来演示所提出的方法并与现有方法进行比较。 基于所提出的方法构造的分类器与现有技术的算法具有很好的比较性。