基于支持向量機(jī)的概率密度估計(jì)及其在分布估計(jì)算法中的應(yīng)用.pdf

1、概率密度的估計(jì)既是傳統(tǒng)的概率論與數(shù)理統(tǒng)計(jì)的重點(diǎn)，也是統(tǒng)計(jì)學(xué)習(xí)理論的重要研究內(nèi)容。概率密度的估計(jì)具有廣泛的應(yīng)用，它不僅是信息熵理論的基礎(chǔ)，還可以應(yīng)用到音頻及視頻信號的無損壓縮中。但實(shí)際應(yīng)用中，概率密度服從的分布通常是未知的。我們可以得到的數(shù)據(jù)是由這些未知分布產(chǎn)生的樣本點(diǎn)，可以用這些樣本點(diǎn)對實(shí)際的概率密度進(jìn)行估計(jì)預(yù)測。對概率密度的估計(jì)一般分為參數(shù)估計(jì)和非參數(shù)估計(jì)。參數(shù)估計(jì)是在知道樣本點(diǎn)服從的分布的前提下對密度中的未知參數(shù)進(jìn)行估計(jì)，它的準(zhǔn)確性

2、對分布函數(shù)具有強(qiáng)烈依賴性。此外，參數(shù)估計(jì)還具有其他的一些局限性。例如對高斯分布可以很好的估計(jì)未知參數(shù)，但對混合高斯分布的密度就得不到很好的結(jié)果?；谥С窒蛄繖C(jī)的概率密度不僅能夠解決以往估計(jì)基于大數(shù)樣本的問題，而且克服了參數(shù)估計(jì)的局限性。 本文在統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的基礎(chǔ)上，對一維基于支持向量機(jī)的概率密度估計(jì)進(jìn)行擴(kuò)展并結(jié)合不敏感損失函數(shù)的方法，求得仿真效果較好的二維概率密度。此外，還討論了高維密度的求解模型。然后針對現(xiàn)在的分布