此方法在数字图像处理中的图像复原以及数字通信中都有广泛应用,分享之。 ================= 原帖子 http://blog.csdn.net/mafeichao/article/details/6403008 在统计学中,最大后验(英文为Maximum a posteriori,缩写为MAP)估计方法根据经验数据获得对难以观察的量的点估计。它与最大似然估计中的 Fisher 方法有密切关系,但是它使用了一个增大的优化目标,这种方法将被估计量的先验分布融合到其中。所以最大后验估计可以看作是规则化(regularization)的最大似然估计。 假设我们需要根据观察数据 x 估计没有观察到的总体参数 θ,让 f 作为 x 的采样分布,这样 f(x | θ) 就是总体参数为θ 时 x 的概率。函数 即为似然函数,其估计 就是 θ 的最大似然估计。 假设 θ 存在一个先验分布 g,这就允许我们将 θ 作为 贝叶斯统计(en:Bayesian statistics)中的随机变量,这样 θ 的后验分布就是: 其中 Θ 是 g 的domain,这是贝叶斯定理(en: Bayes' theorem)的直接应用。 最大后验估计方法于是估计 θ 为这个随机变量的后验分布的mode: 后验分布的分母与 θ 无关,所以在优化过程中不起作用。注意当前验 g 是 uniform(也就是常函数)时最大后验估计与最大似然估计重和。 最大后验估计可以用以下几种方法计算:
尽管最大后验估计与 Bayesian 统计共享前验分布的使用,通常并不认为它是一种 Bayesian 方法,这是因为最大后验估计是点估计,然而 Bayesian 方法的特点是使用这些分布来总结数据、得到推论。Bayesian 方法试图算出后验均值或者中值以及posterior interval,而不是后验模。尤其是当后验分布没有一个简单的解析形式的时候更是这样:在这种情况下,后验分布可以使用 Markov chain Monte Carlo 技术来模拟,但是找到它的模的优化是很困难或者是不可能的。 |
[技术| 编程·课件·Linux] [Image Deblur] 最大后验概率(MAP)- maximum a poster ...
admin
· 发布于 2012-12-12 14:35
· 1370 次阅读
转载文章时务必注明原作者及原始链接,并注明「发表于 软院网 RuanYuan.Net 」,并不得对作品进行修改。