最大似然估计
-
GARCH（1,1）极大似然估计
MATLAB代码！估计参数GARCH（1,1）使用MLE估计模型。然后通过仿真，检查2类错误（大小和功率测试），以确保您建立正确的模型； -
掌握多元正态分布的最大似然估计
1 通过实验，掌握多元正态分布的最大似然估计；2 掌握多元正态分布下的最小错误率的贝叶斯分类；3 对其他的参数估计有更深的认识。 -
-
-
-
人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数
人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题 -
-
-
最大似然估计
最大似然法（Maximum Likelihood，ML）也称为最大概似估计，也叫极大似然估计，是一种具有理论性的点估计法，此方法的基本思想是：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大，而不是像最小二乘估计法旨在得到使得模型能最好地拟合样本数据的参数估计量。 -
