α-EM算法及其若干應(yīng)用.pdf

1、本文首先系統(tǒng)回顧了EM算法家族的發(fā)展變化歷史，EM算法是進行極大似然估計的一種有效方法，它主要應(yīng)用于兩種參數(shù)估計:第一，觀測數(shù)據(jù)不完全：第二，似然函數(shù)不是解析的，或者似然函數(shù)的表達式過于復(fù)雜從而導(dǎo)致極大似然函數(shù)的傳統(tǒng)估計方法失效。介紹了由于觀測過程的局限性和實踐中大量不解析的似然函數(shù)的存在，EM算法家族在各個領(lǐng)域及其廣泛的應(yīng)用。之后介紹了一種基于EM算法的新的、更廣泛的算法α-EM算法。本文研究了α-EM算法在不完全參數(shù)估計、假設(shè)檢驗和

2、神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的應(yīng)用并用于預(yù)測中國股市IPO抑價率的實證研究。本文由五章構(gòu)成:第一章介紹了問題的背景，系統(tǒng)回顧了EM算法家族的發(fā)展變化歷史，并介紹了EM算法家族在各個領(lǐng)域及其廣泛的應(yīng)用。第二章介紹了α-EM算法，并證明了其收斂性。第三章先簡要地回顧了不完全參數(shù)估計的各種方法，之后把α-EM算法應(yīng)用于指數(shù)型分布的不完全參數(shù)估計問題。第四章首先改進了求最大概率的EM算法，得到求最大概率的α-EM算法，之后把α-EM算法應(yīng)用于一種非常重要的