理查森–露西反褶積
理查森–露西反褶積（），又稱露西–理查森反褶積，中文亦譯作理查森–露西去卷積，是一種從已知點擴散函數（PSF）模糊的影像中還原潛在影像的迭代演算法。它由 William Hadley Richardson（1972 年）與 Leon B. Lucy（1974 年）分別獨立提出。
标签：#估計理論
共 3 篇文章
最小角回归
统计学中，最小角回归（英语：least-angle regression (LARS)）是一种对高维数据进行线性回归的算法，由布莱德利·埃夫隆等人提出。 在线性回归中，因变量由一组自变量的线性组合表达，这些自变量可能是协变量，也有可能与因变量无关。最小角算法不会像传统算法那样给出自变量的向量表达，而是对每个参数向量的L1范数的值给出一条曲线。 参考文献
样本方差
样本方差是依据所给样本对随机变量的方差做出的一个估计。 定义 设 X_1,\cdots,X_n 是随机变量 X 的 n 个样本，则样本方差定义为： :s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)^2 其中 \bar X 为样本均值。 根据该定义，可以得出： :s^2 = \frac{1}{n-1}(\sum_{i=1}^{n}X_i^2-n\bar X^2). 无偏性 若随机变量 X 的期望…