计算最大似然估计的A、B R, E, F和Q
Y (:, t) = A + B * X (:, t) + e (:, t), e (t):, ~ N (0, R)
:X (t) = E + F * X (:, t - 1) + u (:, t), u (:, t) ~ N (0, Q)
Y是一个N T向量的可见和X是一个K T难以察觉的状态向量。
结构性parameter-expanded EM算法用于计算一个元素的参数集估计映射到唯一的归一化参数空间的点估计。许多流行的标准化支持(参数化)。金宝app该算法实现了一个平方根卡尔曼滤波器。总的来说,SPX-EM算法具有更强的鲁棒性和收敛速度远远超过标准的EM算法。这第一个版本几乎没有铃铛和口哨:请让我知道任何额外的特性,可能对你有用。报告错误或意想不到的行为……
引用作为
Sebastien Blais (2023)。EM算法对线性状态空间模型(//www.tatmou.com/matlabcentral/fileexchange/64585-em-algorithm-for-linear-state-space-models), MATLAB中央文件交换。检索。
spxem /
spxem @SPXEMoptions /
spxem /算法
spxem /标准化/
spxem /工具/
| 版本 | 发表 | 发布说明 | |
|---|---|---|---|
| 1.0 |
|
