针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法...针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法的代价函数,为了减小算法的计算量,给出了SSM迭代解。与传统的极化多重信号分类(multiple signal classification,MUSIC)算法和确定性最大似然(deterministic maximum likelihood,DML)算法进行了对比仿真实验。仿真实验结果表明,所提算法具有较优异的参数估计性能,且具有切实的工程应用价值。展开更多
为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计...为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计量,并用大样本理论分析了它的统计性能;然后,对pAUC半参数估计方法在实际应用中的性能进行了仿真,并与现有精度较高的pAUC非参数估计方法进行比较。研究发现,pAUC半参数估计量不仅具有相合渐近正态性等重要的统计性质,而且比已有的非参数pAUC估计量具有更高的渐近估计效率和精确度。将该pAUC半参数估计方法应用于乳腺癌诊断模型的筛选,得到了一个预测精度更高的新乳腺癌诊断模型,结果表明该方法在实际应用中能提高医学诊断测试的精度。展开更多
文摘针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法的代价函数,为了减小算法的计算量,给出了SSM迭代解。与传统的极化多重信号分类(multiple signal classification,MUSIC)算法和确定性最大似然(deterministic maximum likelihood,DML)算法进行了对比仿真实验。仿真实验结果表明,所提算法具有较优异的参数估计性能,且具有切实的工程应用价值。
文摘为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计量,并用大样本理论分析了它的统计性能;然后,对pAUC半参数估计方法在实际应用中的性能进行了仿真,并与现有精度较高的pAUC非参数估计方法进行比较。研究发现,pAUC半参数估计量不仅具有相合渐近正态性等重要的统计性质,而且比已有的非参数pAUC估计量具有更高的渐近估计效率和精确度。将该pAUC半参数估计方法应用于乳腺癌诊断模型的筛选,得到了一个预测精度更高的新乳腺癌诊断模型,结果表明该方法在实际应用中能提高医学诊断测试的精度。
