1) Markov chain Monte Carlo
马尔可夫链蒙特卡罗
1.
In the present paper, we discussed the application of Bayesian method in linkage analysis, including the Bayesian estimation of recombination fraction, linkage testing based on the Bayes Factor and the Bayesian approach for genetic linkage map construction via Markov chain Monte Carlo algorithm.
探讨了贝叶斯统计在遗传连锁分析中的应用,包括遗传重组率的贝叶斯估计、遗传连锁的贝叶斯因子检验和基于马尔可夫链蒙特卡罗理论的遗传连锁图谱构建。
2) MCMC
马尔可夫链蒙特卡罗
1.
We propose a novel modulation classifier based on the Markov chain Monte Carlo(MCMC) methods for amplitude-phase modulated signals over the frequency-selective fading channel with multiple unknown parameters such as noise power,carrier frequency and phase offset.
为解决在频率选择性衰落信道中,频偏、相偏和噪声功率等多参数未知的幅相调制信号的调制分类问题,提出一种新颖的基于马尔可夫链蒙特卡罗(MCMC)方法的调制分类算法。
2.
Based on analyzing the cause of particle degeneracy,the regularized particle filtering with MCMC move step is proposed.
通过分析该现象产生的原因,提出了将MCMC(马尔可夫链蒙特卡罗)方法应用于正则粒子滤波算法(RPF),与采样重要重采样(SIR)粒子虑波算法比较,此算法不仅克服了粒子退化现象,而且解决了重采样带来的采样枯竭的影响,仿真和实验结果表明:该算法在滤波精度和自适应调整粒子个数方面比SIR粒子滤波有很大的提高。
3.
The Markov chain Monte Carlo (Markov Chain Monte Carlo, referred to as MCMC) move step was joined after the particle filter algorithm resampling steps, to increase the diversity of particles.
为了解决粒子滤波算法在重采样后,丧失粒子多样性的问题,本文在粒子滤波算法的重采样步骤后,加入了马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,简称MCMC)移动步骤,增加粒子的多样性。
3) Markov Chain Monte Carlo (MCMC)
马尔可夫链蒙特卡罗(MCMC)
4) Markov Chain Monte-Carlo
蒙特卡罗马尔可夫链
5) Reversible jump Markov chain Monte Carlo method
可逆跳跃马尔可夫链蒙特卡罗法
6) RJMCMC
可逆跳跃马尔可夫链蒙特卡罗算法
补充资料：卡罗尔反应
分子式：
CAS号：
性质：指β, γ-不饱和醇类化合物1与具有活泼亚甲基的化合物(如β-酮酸酯)2，在乙醇钠等催化剂存在的条件下反应形成γ，δ-饱和酮3（分子式暂缺）式中的R为H或烷基，R′为烷基或芳基。脂肪醇、脂环醇、脂肪芳香醇都能发生本反应。
CAS号：
性质：指β, γ-不饱和醇类化合物1与具有活泼亚甲基的化合物(如β-酮酸酯)2，在乙醇钠等催化剂存在的条件下反应形成γ，δ-饱和酮3（分子式暂缺）式中的R为H或烷基，R′为烷基或芳基。脂肪醇、脂环醇、脂肪芳香醇都能发生本反应。
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