非参数密度估计应用举例概论.docVIP

非参数密度估计应用举例： 直方图密度估计是应用最早也是应用最为广泛的密度估计方法,它是用一组样本构造概率密度的经典方法在一维情况下,实轴被划分成一些大小相等的单元格,每个单元格上估计的图像为一个阶梯形,若从每一个端点向底边作垂线以构成矩形,则得到一些由直立的矩形排在一起而构成的直方图,直方图的名称也由此而来, 一幅灰度图象与其直方图表示 直方图概率密度估计的数学表达式为： 能够对直方图密度估计产生影响的因素主要有以下两个方面: 1原点的选择 显示了对一组相同的样本数据进行密度估计,在带宽相等原点不同的情况下所建立的两个直方图虽然选择的带宽相等,但是从图中可以看出,两个直方图右边峰值的宽度以及每个直方图中两个峰值之间的分隔形式是不同的 2带宽的选择 一方面,带宽太大时,平均化的作用突出了,而淹没了密度的细节部分,使得潜在密度函数的细节部分将不能被充分的体现;而另一方面,当带宽太小时,则随机性影响太大,而产生极不规则的形状,直方图的变化将过于剧烈以致于无法对直方图进行正确的识别 直方图密度估计具备以下几个方面的优点: (l)概念简单易于使用 (2)不需要保留采样点 (3)在样本容量较大,窗宽较小的情况下,所得的图像可以显示密度的基本特征 当然,直方图密度估计也存在一定的问题: 1直方图密度估计在高维空间很少有实效 2直方图密度估计的结果是不连续的,即在区域的边界处密度估计值会突降为0,