在做分类问题时，有时候需要使用样本的概率密度函数来求其后验概率。但是很多情况下并不知道其概率密度函数的形式（即样本的分布未知），此时就需要对样本进行非参数估计，来求解其概率密度函数。 求解未知 ...
分类：
其他好文 时间：
2019-03-18 15:30:33
阅读次数：
284
本文简述了以下内容： （一）非参数方法 （二）Parzen窗估计 （三）k近邻估计 （四）k近邻算法（k-nearest neighbor，kNN） （一）非参数方法（Non-parametric method） 对于生成模型来说，重要的地方在于类条件概率密度 $p(\textbf x|\omega ...
分类：
其他好文 时间：
2017-04-13 17:10:53
阅读次数：
1263
本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。这里使用Matlab实现这两种估计方法。...
分类：
其他好文 时间：
2015-04-25 22:54:04
阅读次数：
1933
1.概率密度函数 在在数学中，连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。当概率密度函数存在的时候，分布函数是概率密度函数的积分。概率密...
