非参数检测6——优缺点

优点:

  1. 参量检测的特点在于以似然比处理器为基础,并建立在假定干扰或噪声的统计特性已知的基础上。但实际上,干扰环境往往十分复杂,包括自然和人为因素,且常常随时改变。这使我们很难确定噪声的统计特性。因此人们提出了非参量检测。
  2. 非参量检测不需要考虑噪声的模型,它的适应性比较强,对各类噪声都表现出比较好的性能,尤其是虚警性能,而且非参量检测的实现也比较简单。

缺点:

  1. 然而,与参量检测相比,由于非参量检测没有利用干扰的先验统计知识,虽然适应性强,但针对性差。因此对于某些已知统计特性的干扰来说,非参量检测器的性能一般低于参量检测器的性能。
  2. 如果不知道输入数据的精确分布但能获得其近似分布,(比如是接近高斯的),这时若用非参量检测器,会显得过于保守,将造成输入数据统计信息的损失。若采用参量检测器也不恰当,因为所掌握的输入数据的统计知识不完全。
相关推荐
舔甜歌姬的EGUMI LEGACY5 分钟前
【算法day28】解数独——编写一个程序,通过填充空格来解决数独问题
算法
知舟不叙6 分钟前
OpenCV的基础操作
人工智能·opencv·计算机视觉
welkin18 分钟前
KMP 个人理解
前端·算法
半桔24 分钟前
红黑树剖析
c语言·开发语言·数据结构·c++·后端·算法
果冻人工智能24 分钟前
打造 AI Agent 对于中产阶级来说就是场噩梦
人工智能
eason_fan33 分钟前
前端面试手撕代码(字节)
前端·算法·面试
MediaTea36 分钟前
AI 文生图:提示词撰写技巧与示例(ChatGPT-4o 篇)
人工智能
今天_也很困40 分钟前
牛客2025年愚人节比赛
c++·算法
Joe_Wang542 分钟前
[图论]拓扑排序
数据结构·c++·算法·leetcode·图论·拓扑排序
墨绿色的摆渡人1 小时前
用 pytorch 从零开始创建大语言模型(三):编码注意力机制
人工智能·pytorch·语言模型