Parzen窗方法（Parzen window method），工学-信息与通信工程-模式识别-统计模式识别-概率密度估计-Parzen窗方法，估计随机变量概率密度函数的非参数化方法。又称核密度估计方法。由美国统计学家E.帕尔森（Emanuel Parzen，1929-04-21～2016-02-06）于1962年首次提出，是一种非参数概率密度估计方法。其不需要有关数据分布的任何先验知识，也不对数据分布附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法。该方法在统计学、数据挖掘和模式分类等领域得到大量应用。给定一个随机变量，Parzen窗方法可从样本数据中估计其概率密度函数。假定已有个独立同分布的观测样本数据，需要估计点处的概率密度函数。可将一个窗函数放置在处以确定窗内哪些样本对密度函数估计有贡献及其贡献的大小。点处的概率密度函数最终可计算为窗内所有样本点贡献的总和，即：…（1）式中为维空间中的核函数，其满足。为窗宽，用于定义核的宽度。窗宽对估计结果有较大的影响，当样本数量不变时，窗宽越大则估计越平滑，但估计分辨率越低。反之，窗宽越小则估计结果波动越大，但分辨率越高。