1) observation likelihood
观测似然函数
1.
We insert our criterion into the framework of particle filter where the former serves as the observation likelihood function.
对于第二个问题,本文首先分析了基于颜色分布Bhattacharyya距离作为目标局部信息的匹配量度的局限性,为了使目标跟踪系统具备对颜色干扰的鲁棒性,本文提出了基于时空微分(spatial temporal derivatives)统计模型的匹配量度,以观测似然函数的形式整合在粒子滤波器的框架下运行。
2) likelihood function
似然函数
1.
The likelihood function is given for family data.
利用子代信息减少亲代单体型的不确定性,构建家系数据的似然函数,把家系中的个体潜在的单体型看成缺失数据,采用EM迭代算法,给出了家系数据单体型频率的极大似然估计。
2.
Put forward the reason of introduce the state space model of the ARIMA process, through the express of its state space model and Kalman filter relation for forecast, discuss the likelihood function and fresh interest means which based on state space model, probe into exact forecast means of the state space model of the ARIMA process.
通过ARIMA过程的状态空间表示和用于预报的Kalman滤波关系式,讨论了在状态空间模型时的似然函数和新息方法求解,探讨了ARIMA过程的状态空间模型的精确预报方法。
3.
Formalae are established describing how the round-off and observational errors influence the reduced likelihood function.
似然函数的Ａｌｉ算法和新息算法用矩阵表示并给出误差分析。
3) spectrum likelihood function
谱似然函数
4) quasi-likelihood
拟似然函数
5) Quasi-likel ihood
准似然函数
6) penalized likelihood function
罚似然函数
补充资料：观测
①观察并测量（天文、地理、气象、方向等）：～风力。②观察并测度（情况）：～敌情。
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