1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
最大似然估计（Maximum Likelihood Estimation，MLE）是一种重要的参数估计方法。但在实际问题中，经常遇到数据缺失的问题，此时无法通过MLE直接估计参数。很多学者提出了相应的解决办法，如均值插补、最近邻插补等， EM（Expectation Maximization）算法是比较有效的方法之一。EM算法是一种当观测数据不完整时求解最大似然估计的迭代算法。它不是直接对复杂的后验分布进行极大化或模拟，而是在观察数据的基础上添加一些潜在数据, 从而简化计算并完成一系列简单的极大化或模拟。EM算法的应用范围十分广泛，值得学习、掌握和进一步的研究。要求学生尝试根据EM算法的原理编写相应的程序，利用计算机解决实际问题，通过应用实例，切实掌握这一灵活高效的方法。
要求方案合理，实验数据准确可靠，数据处理简单易行，图表清晰自明，符合规范，结论简明扼要。
2. 参考文献（不低于12篇）
[1] 李照海，覃红，张洪. 遗传学中的统计方法[m]. 北京：科学出版社，2006.
[2] 曾传璜, 张鑫, 张晶晶, 王宏渊. em算法的研究[j]. 软件导刊, 2008，7(9)：97-98.
[3] 叶小华，周舒冬，李丽霞，李燕芬. 传染病发病数资料的em估计[j]. 数理医药学杂志,2008，21(5)：565.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
