统计迭代类CT重建算法；ML-EM算法的Matlab实现版本

简介：
本项目研究并实现了统计迭代类CT图像重建技术中的ML-EM算法在MATLAB环境下的具体应用，通过代码模拟展示了该算法的工作流程与效果。 EM算法是一种用于求解含有隐变量的概率模型参数的极大似然估计（MLE）或极大后验概率估计（MAP）的迭代优化方法。它被广泛应用于支持向量机、朴素贝叶斯、高斯混合模型、K均值聚类和隐马尔可夫模型等算法中进行参数估计。 在统计学领域，概率用于预测已知某些参数时的结果；而似然性则是在已知观测结果的情况下对事物的性质进行参数估计。EM算法与极大似然估计的前提相同：都需要假设数据总体分布，否则无法使用EM算法。 三硬币模型是一个典型的例子来说明EM算法的应用。假设有三个硬币A、B和C，它们正面出现的概率分别是π、p和q。实验过程是首先掷硬币A，根据其结果选择投掷硬币B或C（如果正面则选B，反面则选C），然后记录下所选取的那枚硬币的结果（正面为1，反面为0）。这个试验独立重复进行n次，并得到观测数据集。