1) Class-conditional-density estimation
类条件密度估计
2) spline density estimation
样条密度估计
1.
The empirical Bayes estimation is derived for the failure rate parameter and the reliability function in the exponential distribution by considering a spline density estimation.
基于可靠性参数的验前密度函数的样条密度估计，本文推导出指数分布失效率和可靠性函数的经验Ｂａｙｅｓ估计，并采用数学仿真将其与传统的Ｂａｙｅｓ方法，如Ｇａｍ ｍ ａ 验前分布的情况，进行了比较。
3) density estimation
密度估计
1.
Wavelet-Based density estimation and its application to fault diagnosis;
基于小波分析的概率密度估计及其在故障诊断中的应用(英文)
2.
An asymptotic representation of local ise for kernel density estimation;
核密度估计的局部积分方差的渐近表示
3.
Based on non-dominated sorting and density estimation,this algorithm uses a new selection operator to create mating pool by selecting solutions from parent population and uses an outer set to keep non-dominated solutions.
该方法在非支配解排序和密度估计的基础上,设计了一种新的选择算子从父代中选择进入繁殖池的个体,并使用外部集合保存进化过程所得的非支配解。
4) Density estimator
密度估计
1.
A bound on L_1 distances of kernel density estimators for truncated and censored data;
左截断右删失下核密度估计的L_1距离的界(英文)
5) conditional density
条件密度
1.
Under m-dependent sample,the point-wise empirical like lihood confidence interval for a conditional density is constructed based on the double kernel estimator of the conditional density.
在m-相依样本情形下基于条件密度的双重核估计构造了条件密度的经验似然置信区间。
2.
The strong consistency of the double kernel estimators of conditional density is studied by using Bernstein inequality for weighted sum under mixing samples.
对 －混合样本，应用加权和形式的Ｂｅｒｎｓｔｅｉｎ不等式讨论条件密度双重核估计的强相合性。
6) Class-conditionaldensity function
类条件概率密度函数
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条