基于EM算法的混合模型的参数估计

介绍了极大似然参数估计，然后介绍了混合模型极大似然参数估计的EM算法实现，最后利用计算机仿真实验验证了此算法的有效性和收敛性．     

几种巴斯模型参数估计方法的比较研究

在创新扩散的巴斯模型的基础上,提出了一种新的模型参数估计方法--采用蚁群算法作为巴斯模型参数估计方法.给出了运用蚁群算法思想设计的具体参数估计方法,并以中国移动通信技术的扩散为例,应用巴斯模型对其扩散趋势进行了实证研究,通过对蚁群算法和最小二乘法、遗传算法等传统参数估计方法估计结果的比较分析,得出结论,采用蚁群算法作为巴斯模型的参数估计方法效果更好.最后对中国移动通信技术的扩散趋势进行了预测并提出策略建议.     

图像统计模型参数估计中的期望最大值算法

期望最大值算法是近年来图像统计模型参数估计技术领域的研究热点之一。在对期望最大值算法分析的基础上,结合其在图像统计模型参数估计中的应用研究,对改变标准期望最大值算法的3种方式进行比较分析。结合图像恢复、分割、目标跟踪以及与其他优化算法的融合应用,从丢失数据集的选取、丢失数据集和不完全数据集统计模型的建立,以及统计模型参数估计3个方面,评述期望最大值算法优缺点。丢失数据的选取和不完全数据的描述形式直接决定期望最大值算法的结构和计算复杂度,以致算法的成败。最后,讨论期望最大值算法目前存在的问题及未来的发展方向,指出其在具有丢失数据统计模型参数估计中广泛应用。     

基于粒子群优化算法的非线性系统模型参数估计

非线性模型的参数估计是较为困难的寻优问题,经典方法常会陷入局部极值.由于粒子群算法是一种有效的解决优化问题的群集智能算法,它的突出特点是操作简便、容易实现且全局搜索功能较强,故将粒子群优化算法用于非线性系统模型参数估计,并通过对3种典型的非线性模型的参数估计进行了验证.实验结果表明:粒子群优化算法参数估计精度高,是一种有效的参数估计方法.     

基于PSO算法的probit模型参数估计

针对二值probit回归模型中的参数估计问题,提出一种基于粒子群优化（PSO）的参数估计算法。该算法采用以最大似然准则作为PSO的适应度函数,建立二值probit回归模型中的参数估计计算模型。数值仿真分析表明,该算法性能较好,回归结果具有较高的拟合优度。     

基于免疫克隆选择算法的马斯京根模型参数估计

针对马斯京根河道洪水演算模型参数估计中所存在的线性化、求解复杂、精度差等问题,提出了一种基于免疫克隆选择算法（ICSA）的马斯京根模型参数估计新方法。实验和应用结果表明,基于免疫克隆选择的马斯京根模型参数估计算法具有求解速度快,计算精度高,算法控制参数设置简便、通用性强等特点,与现有的马斯京根模型参数估计方法相比,该算法显示出更好的优化性能,能够很好地解决马斯京根模型的参数最优估计问题,从而为马斯京根模型参数的估计提供了一种新的更为有效的方法。该算法也可广泛应用于其他洪水预报模型的优化问题。     

基于蚁群算法的软件可靠性模型参数估计方法

由于软件可靠性模型大多是非线性模型,导致其参数难于估计。总结了常用的软件可靠性模型的参数估计方法,提出一种基于蚁群算法的可靠性模型参数估计方法。通过对Musa软件可靠性模型分类方案中三个不同类型模型（G-O模型、Weibull模型以及M-O模型）的实验,发现本算法对不同模型具有很好的适应性,解决了应用传统数值计算方法时的无法收敛问题;与粒子群算法相比,本算法的收敛速度比粒子群算法快一倍以上,且对于部分实验对象的拟合结果精度比粒子群算法高一个数量级以上。     

基于差分进化算法的高斯混合模型参数估计

EM算法用于高斯混合模型参数估计时,具有对初始值敏感、易于陷入局部极小等缺点。将差分进化算法引入高斯混合模型参数估计问题,提出一种基于差分进化算法的高斯混合模型参数估计方法。该方法直接对模型参数进行编码,待优化目标函数简单且物理意义明显,具有算法实现容易、运行效率高及收敛速度快等优点。实验结果表明。新方法具有很强的全局搜索能力,参数估计精度更高、更稳定。     

基于残差方差的系统阶次和参数辨识算法

系统辨识的研究一般是将系统的阶次辨识和参数估计分开的,但实际应用过程中这两个问题又是紧密相关的。有的模型阶次辨识过程是伴随着模型的参数估计,因此可以对这类阶次辨识方法同参数估计的方法进行融合和扩展。针对输出误差系统,借助辅助模型推导出基于残差方差递推算法,利用该算法辨识出了模型的阶次和参数,减少了传统系统辨识过程的计算量和辨识时间。     

双输入多率系统辅助模型增广随机梯度算法

针对有色噪声干扰的双输入多率系统,为解决辨识模型信息向量中存在未知变量和不可测噪声项的问题,结合辅助模型思想和递推增广随机梯度算法的优点,用辅助模型的输出代替系统的未知变量,用估计残差代替信息向量中的不可测噪声项,进而提出了双输入多率系统的辅助模型增广随机梯度算法。为了提高辨识算法的收敛速度和改善参数估计精度,在算法中引入遗忘因子,得到相应的辅助模型带遗忘因子增广随机梯度算法。仿真实例说明,引入遗忘因子,能加快算法的收敛性,提高参数估计精度。     

非均匀采样数据系统的一种辨识方法

阐述了非均匀采样方案,推导了非均匀多率采样系统的状态空间模型,进一步获得了对应的传递函数模型.为解决辨识模型信息向量中存在未知变量的问题,使用辅助模型技术,用辅助模型的输出代替系统的未知变量,进而提出了非均匀采样数据系统的辅助模型随机梯度辨识算法.为了提高算法收敛速度和改善参数估计精度,在算法中引入遗忘因子,给出了相应的辅助模型带遗忘因子随机梯度算法.仿真结果表明,引入遗忘因子后,算法的收敛速度加快,参数估计精度提高.     

基于辅助模型和数据滤波的伪线性回归系统参数估计方法

针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。     

基于模糊白适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点,为避免优化算法过早收敛于错误的参数估计值,根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法,该算法采用混沌超变异操作增强算法搜索能力,并用免疫网络调节策略保持抗体群的多样性,同时采用模糊逻辑调节算法参数以提高算法的自适应能力．函数优化仿真结果表明其具有较好的收敛性能,并能够克服早收敛问题．最后将其成功应用于重油热解非线性模型参数估计中,验证了该算法解决实际建模问题的可行性和有效性．     

基于辅助模型和数据滤波的伪线性回归系统参数估计方法

针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。     

基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.     

基于多项式有限混合模型的Slope One算法改进

针对多项式有限混合模型参数估计过程中存在的初始化依赖、参数易收敛到边界值以及容易陷入局部最优等问题,引入了最小信息长度准则,优化多项式有限混合模型的参数估计过程。在此基础上,采用基于多项式有限混合模型的聚类算法对用户评分行为进行聚类,利用模型求解得到的聚类归属概率对Slope One算法实施改进。实验结果表明:应用最小信息长度准则对多项式有限混合模型进行优化后,聚类效果明显提高;同时,相比于基于用户聚类的Slope One推荐算法,改进算法具有明显的改进效果。     

软件可靠性Schneidewind模型的特性分析

文中对软件可靠性的Ｓｃｈｎｅｉｄｅｗｉｎｄ计时模型的参数估计进行了了解结构的理论分析，并在此基础上给出了方便实用的参数估计算法。     

基于微粒群算法的非线性系统模型参数估计

微粒群优化(PSO)算法是一种进化算法,包含的概念简单.本文不同于传统的非线性模型参数估计方法,将微粒群优化算法应用于非线性系统模型(NSM)的参数估计,并通过重油热解三集总模型参数估计进行PSO算法效果测试.实验结果表明:微粒群算法为非线性系统模型参数估计提供了一种新方法.     

一种提高HNM模型参数估计精度的新算法

谐波叠加语音模型(HNM)是用于合成高质量语音信号的重要模型之一。本文利用共轭复数的概念,提出了一种提高该模型参数估计精度的新算法,并给出了求解过程。     

一类偶型Hammerstein模型辨识的相关算法

在介绍了一类输出只与其输入的平方有关的偶型H模型之后,分析了现有相关算法无法估计此类模型参数的原因,证明了若采用非过零逆重复M序例做激励信号,则仍然可以用相关方法估计其模型参数,并导出了这一模型参数估计的新相关算法。此算法还可用于估计一般的H模型参数。