本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。(The purpose of this experiment is to study the Parzen window estimation and the k nea

matlab编程绘制经验分布和核密度分布估计图等，用于金融计量分析(Using matlab programming to draw the empirical distribution and nuclear density distribution estimation graph for financial metrology analysis)

粒子滤波的MATLAB实现，通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波(MATLAB implementation of particle filter,By looking for a set of random samples which are propagated in the state space to approximate the probability

这是一个好用的频偏估计算法的matlab仿真程序,基于kaiser窗的双谱线插值FFT谐波分析，计算目标和海洋回波的功率谱密度。( This is a useful frequency estimation algorithm matlab simulation program, Dual-line interpolation FFT harmonic analysis kaiser windows, Calculating a target and ocean echo power spect