English |

Welcome

通过增量集成和自主研发，构建大数据质量控制、自动建模与分析、数据挖掘及交互式可视化的方法库，形成高可靠性、高可扩展性、高效性和高容错性的工具库，实现三极环境多源异构、多粒度、多时相、长时间序列大数据的协同分析方法的集成和共享，以及高效和在线的大数据分析处理。

机器学习
数据同化
参数估计
时间序列分析
确定性变化分析 随机性变化分析
高级地统计
后处理
单模型后处理 多模型后处理
因果分析
基于相关关系 基于熵 基于函数关系
  1. 首页
  2. 大数据分析
  3. 参数估计

  • 贝叶斯方法

    边缘概率（又称先验概率）是某个事件发生的概率。边缘概率是这样得到的：在联合概率中，把最终结果中那些不需要的事件通过合并成它们的全概率，而消去它们（对离散随机变量用求和得全概率，对连续随机变量用积分得全概率），这称为边缘化（marginalization），比如A的边缘概率表示为P(A)，B的边缘概率表示为P(B)。

    2019-10-20 1559 查看详情

  • MCMC

    定量估计模型参数的不确定性是提高模型模拟精度和识别模型结构的关键环节，该算法基于贝叶斯方法融合多源数据对生态水文模型参数进行估计，能有效克服生态水文模型“异参同效性”问题，为降低模型参数不确定性和识别模型的结构误差提供了研究框架。

    2019-08-07 1852 查看详情

点击方法名左侧的小圆圈可以查看方法详情