【正文】 結(jié)束語 極大似然估計法是一種重要的參數(shù)估計的方法，在眾多領(lǐng)域中得到廣泛的應(yīng)用。為了從數(shù)值統(tǒng)計的角度更加充分地驗證標(biāo)定結(jié)果準(zhǔn)確性,用投影矩陣P來估計行人身高H并與真實值比較的方法，該優(yōu)化方法的估算結(jié)果基本將誤差控制在5cm 之內(nèi), 較未優(yōu)化方法的統(tǒng)計分布更加接近真實值, 進(jìn)一步證明優(yōu)化算法提升了標(biāo)定算法的性能。各組頭腳點C的d值累加得到總誤差系數(shù)，作為參數(shù)標(biāo)定精度的評價準(zhǔn)則，即： 用于實驗的數(shù)據(jù)是4 段分辨率為400300 的單行人行走視頻, 系統(tǒng)程序使用VC+ + 和Intel 開源代碼庫OPENCV 實現(xiàn), 圖2 展示了實現(xiàn)整個自標(biāo)定系統(tǒng)的結(jié)構(gòu)。這種方法能夠有效避免個別遠(yuǎn)距離交點對最小二乘估計結(jié)果的影響。得到,之后結(jié)合FengjunLv等提出的方法確定X與Z軸上的消失點,與攝像機(jī)主點再利用與計算出焦距與旋轉(zhuǎn)外參數(shù)。所有連接對應(yīng)與的直線理論上相交于同一點，即垂直方向消失點,任意與之間連接直線同與之間的連線的焦點理論上在水平消失線上。方法如下：先對由不同位置的行人輪廓中提取出的頭腳點位置信息進(jìn)行篩選, 再通過極大似然估計求解出消失點與水平消失線, 并根據(jù)消失點與消失線信息計算出攝像機(jī)的內(nèi)外參數(shù)和投影矩陣。 由極大似然估計法，所得到的的擬合優(yōu)度=，回歸標(biāo)準(zhǔn)差s=，%.預(yù)測值與實際值的比較結(jié)果如下圖 總結(jié)：應(yīng)用極大似然估計法對交通流預(yù)測是基于交通流和道路自身的特征，而將其他如車輛的差異性，等其他因素當(dāng)做隨機(jī)項的一種方法。適當(dāng)增大k可以降低方差相應(yīng)的不能滿足似然比檢驗時可以適當(dāng)?shù)臏p小k，以保證結(jié)果的有效性。 圖（1）中 表示上游觀測點i時段出發(fā)的車輛數(shù)量，d表示下游預(yù)測點車輛到達(dá)的數(shù)量i=1,2，…,k,k為時間段的數(shù)量它決定了對d解釋的充分性，如果k太小會忽略一部分重要的數(shù)據(jù)使得d的即使不夠充分，導(dǎo)致估計量的有偏性和非一致性；如果k過大將會增加計算的費用，還會影響估計的有效性，但不影響無偏性和一致性。流量的預(yù)測是交通預(yù)測的基礎(chǔ)，極大似然估計對某點某時刻的車輛到達(dá)的平均值做出預(yù)測，極大似然估計在交通流預(yù)測中都有體現(xiàn)。下圖為不同通訊半徑下的平均定位誤差。 實例分析 在100cmx100cm的正方形區(qū)域內(nèi)隨機(jī)拋灑100個未知節(jié)點，并將信標(biāo)節(jié)點設(shè)置為不同數(shù)量，從而構(gòu)成相應(yīng)的無線傳感器網(wǎng)絡(luò)；每個節(jié)點的覆蓋區(qū)域是一個規(guī)則圓形；每個信標(biāo)節(jié)點的自身定位誤差為0 ，所有距離的單位為厘米（cm） 用于說明定位性能的參數(shù)：R：節(jié)點通信半徑；N D：連通度，用網(wǎng)絡(luò)的平均連通度表示，指每個節(jié)點所連通的其他節(jié)點的個數(shù)的平均值；A N R：信標(biāo)節(jié)點通信半徑與未知節(jié)點通信半徑比；平均定位位差：假設(shè)第p個待定位未知節(jié)點的實際坐標(biāo)為，通過計算得到的未知節(jié)點的估計坐標(biāo)為，則該未知節(jié)點的定位誤差為： 若通過未知節(jié)點的個數(shù)為n個，則節(jié)點的平均定位誤差為若ANR=1，每組參數(shù)至少進(jìn)行100次試驗，采用MATLAB對各種算法進(jìn)行試驗仿真并進(jìn)行比較。 APIT定位算法APIT 算法的基本思想是：每個未知節(jié)點根據(jù)自身無線射程范圍，獲得能與其通信的信標(biāo)節(jié)點集合，假設(shè)其中有p 個信標(biāo)節(jié)點，稱為該未知節(jié)點的鄰居信標(biāo)節(jié)點。 （3） 此方法可以由計算機(jī)軟件完成，有較高的計算精度和數(shù)據(jù)的重復(fù)性，效率高、實用性強(qiáng)。（2） 定時截尾試驗法假設(shè)從某型號的電器產(chǎn)品中抽取n個樣品進(jìn)行壽命試驗，試驗到全部截止時間為止，共有k個產(chǎn)品失效，其失效時間從小到大排序為，而另外的nk樣品在內(nèi)失效，用這些截尾子樣數(shù)據(jù)估計失效分布中的未知特征參數(shù)?，F(xiàn)在讓我們來一一對極大似然估計在這些方面的應(yīng)用進(jìn)行分析、闡述。因此，極大似然估計雖然有一些優(yōu)良性，雖然其應(yīng)用很廣，但有其局限性：有時極大似然估計并不存在如：（1）有時極大似然估計并不唯一；（2）在一些非正則條件下極大似然估計也可能不相合；（3）有時極大似然估計并不是漸近正態(tài)的；這些情況，在應(yīng)用的時候也應(yīng)注意。這當(dāng)然離極大似然原則遠(yuǎn)一點，如果產(chǎn)生多個極大似然估計，則可選擇所有混合下最優(yōu)的極大似然估計。例如：取樣本中位數(shù)，很顯然是的極大似然估計，對于此分布，也是總體的中位數(shù)，由漸進(jìn)分布定理得： 一般極大似然估計被認(rèn)為是漸進(jìn)正態(tài)的，但也有反例.如：對上的均勻分布，極大似然估計是，但的漸進(jìn)分布是極值分布，而不是正態(tài)分布.總結(jié)由以上幾例，可以得到：(一) 在非正則情況下，先要找到使之不正則未知參數(shù)集合。 （2）由于密度函數(shù)處處不連續(xù)而造成極大似然估計不相合。 極大似然估計的相合性 樣本量為的樣本，的參數(shù)函數(shù)的估計量若滿足≥，則稱估計量為的相合估計。然而當(dāng)達(dá)到最大值對應(yīng)的參數(shù)的值可能不止一個，由此可見，參數(shù)的極大似然估計不具備唯一性。（2） 對于一維實參數(shù)的情形，似然方程的解如果滿足條件： （｜x）/0,則一定是極大似然估計。于是似然方程為 由于極大似然估計的不變性可以得到 。即：若為的極大似然估計，若可測的待估函數(shù)為，則為的極大似然估計。 極大似然估計的性質(zhì) 極大似然估計的可測性 極大似然估計即使存在，也有它的可測性的問題，不然對于它的概率計算問題，如討論其漸進(jìn)正態(tài)性，就沒有意義了。 設(shè)是取自正態(tài)母體的一個子樣，其中，是未知參數(shù)，參數(shù)空間，求與的極大似然估計。 微分法 當(dāng)似然函數(shù)關(guān)于的連續(xù)函數(shù)，并且關(guān)于的各分量的偏導(dǎo)數(shù)都存在，此時可以用微分法來求極大似然估計。（2） 當(dāng)是離散型，給出觀測到的概率。用表示，稱為這個子樣的似然函數(shù)。請問這個球最有可能從哪一盒子取出？解 A盒取的紅球的概率為P(紅｜A)=, B盒取得紅球的概率為P(紅｜B)=.從上面的結(jié)果可以看到，這一紅球從A盒中抽取的概率大于從B盒中抽取的概率。這種方法至今仍然得到很廣泛的應(yīng)用，極大似然原理的直觀想法是：一個隨機(jī)試驗如有若干個可能的結(jié)果A,B,C,…,在一次試驗中。 Sons再次提到這個思想，并且首次探討了極大似然估計這種方法的一些性質(zhì)，極大似然估計這以名稱也是Fisher命名的。 localization accuracy in wireless sensor APIT。 in location accuracy, this method can make the node localization accuracy is greatly improved。學(xué)校根據(jù)需要，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許畢業(yè)論文 (設(shè)計)被查閱和借閱；學(xué)?？梢詫厴I(yè)論文(設(shè)計)的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編畢業(yè)，并且本人電子文檔和紙質(zhì)論文的內(nèi)容相一致。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的