最大似然分类的训练样本敏感度研究

【目的】遥感影像监督分类能够快速获取土地利用和地表覆盖的信息,分类样本的选取对分类精度具有决定性的作用。以最大似然分类方法为例,研究样本数量、均值和标准差对分类精度的影响。【方法】基于地表覆盖产品GlobeLand30分层随机选取不同数量的训练样本,采用最大似然法对研究区域的Landsat8遥感影像进行分类。通过谷歌地球高分影像选取一定数量的检验样本,对影像分类结果进行精度评价,并研究样本数量、均值和标准差对分类结果的影响。【结果】不同数量的训练样本得到的分类精度不同,分类精度随着样本数量的增加先增加后下降,然后渐趋于稳定;在样本质量特征方面,当训练样本的均值和标准差越接近检验样本的均值和标准差时,分类结果的精度越高,反之则分类精度较低。【结论】在最大似然分类过程中,训练样本数量的选取存在临界值,当达到临界值时即可获得较高分类精度,随后即使增加样本的数量也无法显著提高分类结果的精度。在样本质量方面,要尽量选取能够反映地物真实特征的训练样本进行分类。     

基于数据外推的限带信号最大似然谱估计

针对高距离分辨率雷达应用背景,提出了一种在数据外推的基础上运用最大似然准则对限带信号的频谱进行估计的新方法(DE-ML).该方法首先根据常规DFT分析获得限带信号的频谱范围,然后对频域高采样率离散频谱进行最大似然估计.理论分析和实验结果表明,该方法与常规的DFT方法相比,具有更好的分辨性能;与一般的超分辨伪谱估计方法相比,具有更好的幅度估计性能以及抗噪声能力;与现有的数据外推谱估计方法相比,所需的运算量更少.     

分子标记与QTL之间重组率的最大似然估计及通用程序设计

系统描述了数量性状基因座位作图的统计方法－－单个遗传标记ＱＴＬ之间重组了最大似然估计法，并将ＬＯＤ值与似然比检验相结合，应用于重组率估值及连锁强度的显著性检验，编写了可在微型机上运行，适合于Ｆ２、ＤＨ、ＢＣ等群体ＱＴＬ作图的通用计算机程序，并提供了水稻广亲和基因及与生育期有关的ＱＴＬ作图的应用实例。     

基于最大似然估计的优化盲检测方案

提出了一种应用于空时分组编码系统的优化盲检测方案,可以达到降低计算复杂度之目的.文章首先建立了空时分组编码的系统模型,并且介绍了最大似然估计的理论.在此基础上,提出盲检测迭代算法终止时机因子的概念,通过调节终止时机因子,可以平衡降低误码率和减少运算量之间的关系,以满足实际情况的需要.理论分析表明,此方法具有可行性,而通过Matlab仿真得到在计算量有限的情况下,通过减小终止时机因子并且增加级联在一起的空时分组码矩阵个数,可以降低比特误码率.     

基于最大似然估计的自适应阈值视频被动取证

基于分块级的模式噪声,提出一种基于最大似然估计的自适应阈值视频被动取证方法.它采用小波去噪和维纳滤波提取传感器的模式噪声,并通过固定大小的滑动窗口,计算分块级的能量梯度、信噪比和相邻帧相同位置块模式噪声的相关性构造特征值向量.在此基础上,采用最大似然估计得到判别篡改区域的自适应阈值.仿真实验结果表明,提出的方法对于复制-粘贴的视频内容篡改取得了较好的取证效果,并且能够对较小区域的篡改进行定位.     

基于最大似然法集成的黄曲条跳甲预警模型

采用最大似然法模型,建立蔬菜黄曲条跳甲的预警模型,并且针对最大似然法一般需要比较多的训练样本才能准确预测的缺点,提出能够显著地提高学习系统的泛化能力的集成算法,即最大似然集成算法以减少对训练样本数量的要求。通过对广东省蔬菜黄曲条跳甲数据验证表明,最大似然集成算法的预警准确率比最近邻算法k、-mean聚类和支持向量机预警准确率都要高。     

基于最大似然分类的景观格局评价——以红寺堡灌区为例

利用遥感最大似然分类技术,采用景观指数评价红寺堡灌区的景观结构特征,分别从景观斑块、景观类型两个水平上以及利用转移矩阵分析了红寺堡1989、1999、2003、2008年4个时期的景观格局和动态变化。结果表明:采用最大似然分类法分类精度高,红寺堡灌区1989～2008年,在人为作用不断干扰下,景观格局变化显著,斑块数目增加,破碎度增大,均匀度减少,优势度增加,景观形状变得比较规则。在1989年的主要景观类型为草地,到2008年主要为沙地,这是人类活动直接影响的结果。     

不确定AHP中判断矩阵排序的最大似然法

在区间数正态分布的假设下,对于不确定AHP中判断矩阵的排序问题,提出了最大似然法的最优化模型,并使用优化软件LINGO对模型进行求解。实例证明该方法快速、有效。     

基于约束最大似然法对虹鳟生长性状遗传参数的估计

文章以黑龙江水产研究所渤海冷水性鱼类试验站5个品系虹鳟为材料,建立300家系,养殖到2龄时,对约5000尾鱼的生长数据,采用单性状约束最大似然法(Restricted Maximum Likelihood Method,REML)对其生长性状进行遗传参数的估计。结果表明,体重的遗传力为范围为0.20～0.45、体长的遗传力范围为0.17～0.43、肥满度的遗传力范围为0.47～0.65。其中肥满度的遗传性能稍高于体重和全长的遗传性能。另外,从性状的表型相关来看,体重和体长之间存在较大的正相关。     

基于数学形态学和最大似然法的遥感图像分类研究

随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.     

快速拟合离心泵性能曲线的两种方法

根据工程数学最小二乘法的基本原理,建立了离心泵性能曲线方程的两种数学模型。经计算机测试,验证了数学模型的精确性。这两咱拟合法适用于各种离心泵性能曲线的拟合。     

Copula函数中参数极大似然估计的性质

设m维随机变量X＝(X1,X2,…,Xm)的copula函数为C(u1,u2,…,um);α)＝C((F1(x1),F2(x2),…,Fm(xm));α),本文在(X1,X2,…,Xm)的样本空间和(U1,U2,…Um)的样本空间上讨论了m元copula函数中参数α的极大似然估计,得到了边缘分布函数连续时,两样本空间上参数α的极大似然估计和最大后验估计的等价性;而边缘分布函数不连续时,两样本空间上参数α的极大似然估计和最大后验估计的渐近等价性.     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计，得到了在Matlab中利用迭代算法计算参数估计值的方法．     

基于最小二乘估计的数量性状基因座的复合区间定位法

数量性状基因座（ＱＴＬ）的复合区间定位法是区间定位法的１种改进方法，它大大提高了ＱＴＬ定位的准确性，但计算上比较复杂和费时．由于其似然比统计量的联合分布未知，故准确的显著性测验临界值必须采用排列测验法或模拟抽样法进行估计，但其复杂费时的计算使得这些经验方法显得不实用．本文给出基于最小二乘估计的复合区间定位法，它保持了复合区间定位的基本性质，但在计算上要比基于最大似然估计的方法简单和快速得多．由于它对性状的分布无需特殊的要求，因而有更广的适用范围．通过消除模型中冗余的标记，可使数值计算速度进一步提高．这样，用经验方法估计显著临界值就变得可行了．另外，消除冗余标记还可提高ＱＴＬ定位的准确性，改进ＱＴＬ效应的估值．文中最后提出了复合区间定位的实用程序     

基于极大似然原理的注水管柱可靠性研究

针对油田注水管柱经常发生疲劳破坏等问题,对J55注水管柱疲劳试件进行了加工,采用单点-成组疲劳试验法,获得了J55注水管柱疲劳寿命试验数据。基于中值S-N曲线的三参数幂函数形式,根据极大似然原理,得到了测定P-S-N曲线的单点-成组试验的P-S-N曲线公式;并利用概率论与数理统计方法,为P-S-N曲线赋予置信度,提出了含置信度限的P-S-N曲线公式。通过该公式确定的P-S-N曲线能使估算出的疲劳寿命具有置信度,使由单点-成组试验法测定的P-S-N曲线估算出的寿命更安全。     

林木直径分布的研究——Ⅱ.极大似然估计

本文在拟合直径分布时对给定的样本资料按判别准则来选择总体分布类型的方法取得了满意的结果。对所讨论的7种分布,给出了参数的极大似然估计,比较了不同的分布类型及不同估计方法的拟合效果。     

应用极大似然法分析小麦穗长的遗传

采用质量—数量性状遗传的极大似然分析方法,对长穗小麦品系93(220)的主茎穗长进行了质量—数量遗传模型测验和主、微基因效应与变异估计。结果表明:长穗小麦新品系93(220)的主茎穗长为一典型的质量—数量性状,由一个主基因和若干微基因共同控制;一对隐性主基因控制穗长,附合加性——显性遗传模型,F1代表现为部分显性,隐性主基因增加主茎穗长的效应平均为1.47,微基因遗传效应为2.83cm,隐性主基因个体主茎穗长表现为长穗。     

最大泡压法测溶液表面张力实验数据的计算机处理

应用计算机对化学实验“最大泡压法测溶液表面张力”的实验数据进行数据处理，通过对实验数据进行最小二乘拟合，得到正丁醇溶液的表面张力σ和浓度c之间的关系方程，从而求出正丁醇溶液的表面吸附量г。最后通过最小二乘线性拟合，求出正丁醇溶液的饱和吸附量г∞，进而求得正丁醇分子的横截面积SB。     

分数布朗运动的极大似然估计

为了估计分形布朗运动参数, 作者修改了MMLE算法. 在仿真中, 和修改的MMLE算法相比较, 算法达到了更高的精度, 并以均方根误差和标准差为指标说明了方法的优越性.