一种改进的可适应变宽核密度估计器

发布时间：2021-08-24 11:51

　　可适应变宽核密度估计器（kernel density estimator with adaptive varying bandwidth,KDE-AVB）是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器（improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB）.可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了"过平滑"概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度（最高降低64%）,同时提升了概率密度的估计精度（估计误差最高降低63%）. 

【文章来源】：深圳大学学报(理工版). 2019,36(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

核密度估计法效果图(h=0.2)

gnormaldistribution(seeTablesS1andS2ofthesupplementarymaterial)图6指数分布数据集(见补充材料表S3和S4)Fig.6Datasetsobeyingexponentialdistribution(seeTablesS3andS4ofthesupplementarymaterial)图7瑞利分布数据集(见补充材料表S5和S6)Fig.7DatasetsobeyingＲayleighdistribution(seeTablesS5andS6ofthesupplementarymaterial)图8贝塔分布数据集(见补充材料表S7和S8)Fig.8Datasetsobeyingbetadistribution(seeTablesS7andS8ofthesupplementarymaterial)图9伽玛分布数据集(见补充材料表S9和S10)Fig.9Datasetsobeyinggammadistribution(seeTablesS9andS10ofthesupplementarymaterial)http://journal．szu．edu．cn

【参考文献】：
期刊论文
[1]基于统计感知的大数据系统计算框架[J]. 魏丞昊,黄哲学,何玉林.  深圳大学学报(理工版). 2018(05)

硕士论文
[1]基于样本定邻域概率的贝叶斯分类器[D]. 左红江.河北大学 2013



本文编号：3359937