第1章绪论1.1什么叫数理统计学1.2数理统计的若干基本概念1.3统计量习题一第2章抽样分布及若干预备知识2.1引言2.2正态总体样本均值和样本方差的分布*2.3次序统计量的分布2.4X2分布，t分布和F分布2.5统计量的极限分布*2.6指数族2.7充分统计量*2.8完全统计量习题二第3章点估计3.1引言3.2矩估计3.3极大似然估计*3.4一致最小方差无偏估计3.5Cramer-Rao不等式习题三第4章区间估计4.1区间估计的基本概念4.2枢轴变量法——正态总体参数的置信区间4.3枢轴变量法——非正态总体参数的置信区间4.4Fisher的信仰推断法4.5容忍区间与容忍限习题四第5章参数假设检验5.1假设检验的若干基本概念5.2正态总体参数的假设检验5.3假设检验与区间估计*5.4一致最优检验与无偏检验5.5似然比检验
2023/12/20 13:29:46
60.49MB
1
这是从网上整理出来的图像融合评价标准，总共有13项性能指标。
包括平均梯度，边缘强度，信息熵，灰度均值，标准差(均方差MSE)，均方根误差，峰值信噪比（psnr），空间频率(sf)，图像清晰度，互信息(mi)，结构相似性(ssim)，交叉熵(crossentropy)，相对标准差。
大家一起交流吧~
包括平均梯度，边缘强度，信息熵，灰度均值，标准差(均方差MSE)，均方根误差，峰值信噪比（psnr），空间频率(sf)，图像清晰度，互信息(mi)，结构相似性(ssim)，交叉熵(crossentropy)，相对标准差。
大家一起交流吧~
2023/12/12 2:22:24
8KB
1
卡尔曼滤波程序Matlab实现。
Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态.由于,它便于计算机编程实现,并能够对现场采集的数据进行实时的更新和处理,Kalman滤波是目前应用最为广泛的滤波方法,在通信,导航,制导与控制等多领域得到了较好的应用。
Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态.由于,它便于计算机编程实现,并能够对现场采集的数据进行实时的更新和处理,Kalman滤波是目前应用最为广泛的滤波方法,在通信,导航,制导与控制等多领域得到了较好的应用。
2023/12/10 19:13:14
283B
1
王劲峰研究员提出的空间分异性探测工具地理探测器免费下载。
如无积分可在官网Geodetector.cn免费下载,也可通过此帖直接下载。
空间分异是自然和社会经济过程的空间表现，也是自亚里士多德以来人类认识自然的重要途径。
地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种新的统计学方法，此方法无线性假设，具有优雅的形式和明确的物理含义。
基本思想是：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；
如果两变量的空间分布趋于一致，则两者存在统计关联性。
地理探测器q统计量，可用以度量空间分异性、探测解释因子、分析变量之间交互关系，已经在自然和社会科学多领域应用。
本文阐述地理探测器的原理，并对其特点及应用进行了归纳总结，以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性
如无积分可在官网Geodetector.cn免费下载,也可通过此帖直接下载。
空间分异是自然和社会经济过程的空间表现，也是自亚里士多德以来人类认识自然的重要途径。
地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种新的统计学方法，此方法无线性假设，具有优雅的形式和明确的物理含义。
基本思想是：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；
如果两变量的空间分布趋于一致，则两者存在统计关联性。
地理探测器q统计量，可用以度量空间分异性、探测解释因子、分析变量之间交互关系，已经在自然和社会科学多领域应用。
本文阐述地理探测器的原理，并对其特点及应用进行了归纳总结，以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性
2023/12/7 9:03:55
23.29MB
1
一、利用行列式比估计模型的阶次2二、利用残差的方差估计模型的阶次3三、利用Akaike准则估计模型的阶次4四、利用最终预报误差准则估计模型的阶次5五、根据Hankel矩阵的秩估计模型的阶次7附录1利用行列式比估计模型的阶次9附录2利用残差的方差估计模型的阶次11附录3利用Akaike准则估计模型的阶次13附录4利用最终预报误差准则估计模型的阶次15附录5利用Hankel矩阵的秩估计模型的阶次17
2023/12/1 16:23:46
367KB
1
k-means算法接受输入量k；
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；
而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；
而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；
而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；
而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
2023/11/11 15:04:35
17KB
1
阿伦方差的计算，并以此画出图形，可以比较不同的采样间隔下的方差。
-Allenvariancecalculation,andtodrawgraphics,youcancomparedifferentsamplingintervalofthevariance.
-Allenvariancecalculation,andtodrawgraphics,youcancomparedifferentsamplingintervalofthevariance.
2023/11/4 3:07:30
34KB
1
提出了一种新的基于二维靶标的球面模型鱼眼镜头标定方法。
根据球面成像模型中圆弧上的点与图像坐标系像点之间的约束关系，利用平面靶上的一根直线上的点，初步估计出摄像头的内部参数。
利用平面靶上棋盘格角点在世界坐标系上的坐标点与其在球面坐标系下坐标的映射关系，求出相应的外部参数的初始值。
以这些角点在图像中的实际坐标与重投影后坐标之间的均方差为优化参数，进行非线性优化，求出内部参数，畸变系数和外部参数的精确解。
通过实验验证，该方法能够快速的估计鱼眼镜头的内、外部参数的初始值，具有较高的精度，能够满足实际应用的需求。
根据球面成像模型中圆弧上的点与图像坐标系像点之间的约束关系，利用平面靶上的一根直线上的点，初步估计出摄像头的内部参数。
利用平面靶上棋盘格角点在世界坐标系上的坐标点与其在球面坐标系下坐标的映射关系，求出相应的外部参数的初始值。
以这些角点在图像中的实际坐标与重投影后坐标之间的均方差为优化参数，进行非线性优化，求出内部参数，畸变系数和外部参数的精确解。
通过实验验证，该方法能够快速的估计鱼眼镜头的内、外部参数的初始值，具有较高的精度，能够满足实际应用的需求。
2023/10/29 19:45:28
2.16MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB