Copula分布估計算法中Copula函數(shù)的研究.pdf

1、分布估計算法的核心是建立概率模型，隨著待解問題的復(fù)雜化，概率模型的學(xué)習(xí)和采樣占用了大部分的時間和空間開銷，強化和改進分布估計算法是該領(lǐng)域的難點和熱點問題。
　　Copula分布估計算法把Copula理論應(yīng)用到分布估計算法中。Copula理論為求取聯(lián)合分布提供了一條新的途徑，由Copula理論知，一個聯(lián)合分布可以分解成n個邊緣分布和一個連接函數(shù)（Copula函數(shù)），其中邊緣分布反映單變量的信息，Copula函數(shù)反映各變量之間的相關(guān)結(jié)

2、構(gòu)。邊緣分布的估計要比聯(lián)合分布簡單，且Copula是比較容易采樣的。
　　本文主要研究在以Clayton Copula為連接函數(shù)，以經(jīng)驗分布為邊緣分布的條件下，Clayton Copula分布估計算法中的參數(shù)選擇。當(dāng)邊緣分布和連接函數(shù)都確定以后，Copula參數(shù)直接影響Copula分布估計算法的性能，因為Copula函數(shù)的參數(shù)不同，所對應(yīng)的變量之間的相關(guān)程度不同。本文首先對Clayton Copula的參數(shù)取了一些固定值，實驗結(jié)果

3、表明該方法可行。參數(shù)取固定值意味著每次建立的概率模型都是一樣的，為了更準(zhǔn)確地描述優(yōu)勢群體的概率模型，又研究了在進化過程中動態(tài)調(diào)整Clayton Copula參數(shù)的方法，用極大似然法估計參數(shù)，實驗結(jié)果表明該方法有較好的效果。隨著待解決問題的復(fù)雜化，對參數(shù)的極大似然估計會占用較多的時間開銷。為了兼顧優(yōu)勢群體的概率模型的準(zhǔn)確性和參數(shù)估計所占用的時間開銷，我們采用非參數(shù)法估計參數(shù)，實驗結(jié)果表明，該方法能在占用較少的時間開銷的前提下，建立比較準(zhǔn)確