可適應(yīng)變寬核密度估計(jì)器（kernel density estimator with adaptive varying bandwidth,KDE-AVB）是一種基于單個(gè)數(shù)據(jù)點(diǎn)的概率密度估計(jì)方法,它以單個(gè)數(shù)據(jù)點(diǎn)為處理對(duì)象,利用置信區(qū)間交叉法則確定核密度估計(jì)器的最優(yōu)窗口寬度.為加快可適應(yīng)變寬核密度估計(jì)器對(duì)最優(yōu)窗口寬度的尋找,通過引入一種可變的標(biāo)準(zhǔn)差項(xiàng)因子去確定置信區(qū)間的上下邊界,提出一種改進(jìn)的可適應(yīng)變寬核密度估計(jì)器（improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB）.可變標(biāo)準(zhǔn)差項(xiàng)因子的引入不僅加快了可適應(yīng)變寬核密度估計(jì)器搜索最優(yōu)窗口寬度的速度,且在一定程度上降低了"過平滑"概率密度估計(jì)現(xiàn)象發(fā)生的風(fēng)險(xiǎn).對(duì)KDE-AVB和IKDE-AVB的仿真結(jié)果表明,IKDE-AVB不僅獲得了更快的訓(xùn)練速度（最高降低64%）,同時(shí)提升了概率密度的估計(jì)精度（估計(jì)誤差最高降低63%）. 

【文章來源】：深圳大學(xué)學(xué)報(bào)(理工版). 2019,36(06)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

核密度估計(jì)法效果圖(h=0.2)

gnormaldistribution(seeTablesS1andS2ofthesupplementarymaterial)圖6指數(shù)分布數(shù)據(jù)集(見補(bǔ)充材料表S3和S4)Fig.6Datasetsobeyingexponentialdistribution(seeTablesS3andS4ofthesupplementarymaterial)圖7瑞利分布數(shù)據(jù)集(見補(bǔ)充材料表S5和S6)Fig.7DatasetsobeyingＲayleighdistribution(seeTablesS5andS6ofthesupplementarymaterial)圖8貝塔分布數(shù)據(jù)集(見補(bǔ)充材料表S7和S8)Fig.8Datasetsobeyingbetadistribution(seeTablesS7andS8ofthesupplementarymaterial)圖9伽瑪分布數(shù)據(jù)集(見補(bǔ)充材料表S9和S10)Fig.9Datasetsobeyinggammadistribution(seeTablesS9andS10ofthesupplementarymaterial)http://journal．szu．edu．cn

【參考文獻(xiàn)】：
期刊論文
[1]基于統(tǒng)計(jì)感知的大數(shù)據(jù)系統(tǒng)計(jì)算框架[J]. 魏丞昊,黃哲學(xué),何玉林.  深圳大學(xué)學(xué)報(bào)(理工版). 2018(05)

碩士論文
[1]基于樣本定鄰域概率的貝葉斯分類器[D]. 左紅江.河北大學(xué) 2013



本文編號(hào)：3359937