帮助中心帮助中心
马氏距离高斯混合分量
d2 =泰姬陵(通用,X)
例子
d2=泰姬陵(通用汽车,X)返回每个观测值的马氏距离的平方X中的每个高斯混合分量通用汽车.
d2=泰姬陵(通用汽车,X)
d2
通用汽车
X
全部折叠
方法生成遵循两个二元高斯分布混合物的随机变量mvnrnd函数。对生成的数据拟合高斯混合模型(GMM)fitgmdist函数,然后计算生成的数据与拟合GMM混合分量之间的马氏距离。
mvnrnd
fitgmdist
定义两个二元高斯混合分量的分布参数(均值和协方差)。
rng (“默认”)%的再现性Mu1 = [1 2];%第一个分量的均值Sigma1 = [2 0;0。5);第一个分量的协方差Mu2 = [-3 -5];%第二分量的均值Sigma2 = [1 0;0 1];%第二分量的协方差
从每个组件中生成相同数量的随机变量,并将两组随机变量组合起来。
r1 = mvnrnd (mu1 sigma1 1000);r2 = mvnrnd (mu2 sigma2 1000);X = [r1;r2);
综合数据集X包含两个二元高斯分布混合后的随机变量。
拟合双分量GMMX.
通用= fitgmdist (X, 2)
gm =二维2组分的高斯混合分布。组分1:混合比例:0.500000均值:-2.9617 -4.9727组分2:混合比例:0.500000均值:0.9539 2.0261
fitgmdist适合GMMX使用两种混合成分。的手段组件1而且组件2是[-2.9617, -4.9727]而且[0.9539, 2.0261],它们接近mu2而且mu1,分别。
组件
1
2
[-2.9617, -4.9727]
[0.9539, 2.0261]
mu2
mu1
计算中每一点的马氏距离X的每个组成部分通用汽车.
d2 =泰姬陵(gm, X);
情节X通过使用散射用记号笔的颜色来表示马氏距离组件1.
散射
散射(X (: 1) X (:, 2), 10, d2 (: 1),“。”)点大小为10的散点图c = colorbar;ylabel (c,“到组件1的马氏距离”)
gmdistribution
高斯混合分布,又称高斯混合模型(GMM),具体为gmdistribution对象。
您可以创建gmdistribution对象使用gmdistribution或fitgmdist.使用gmdistribution函数来创建gmdistribution对象,通过指定分布参数。使用fitgmdist函数拟合gmdistribution对给定固定数量的组件的数据进行建模。
数据,用n——- - - - - -米数字矩阵,n观察的次数和米是每次观察中变量的数量。
如果一排X包含nan,然后泰姬陵从计算中排除行。中的对应值d2是南.
nan
泰姬陵
南
数据类型:单|双
单
双
中每个观测值马氏距离的平方X中的每个高斯混合分量通用汽车,作为n——- - - - - -k数字矩阵,n观察的数量在吗X而且k混合组分的数量在吗通用汽车.
d2 (i, j)是观察距离的平方吗我到j高斯混合分量。
d2 (i, j)
我
j
马氏距离是一个样本点和一个分布之间的度量。
到一个向量的马氏距离x有均值的分布μ和协方差Σ是
d = ( x − μ ) ∑ − 1 ( x − μ ) ' .
这个距离表示距离x是从标准差数的平均值。
泰姬陵返回马氏距离的平方d2根据一项在X混合组分通用汽车.
介绍了R2007b
gmdistribution|集群|后|泰姬陵|fitgmdist
集群
后
您有了这个示例的修改版本。您想用您的编辑打开这个示例吗?
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您的地理位置,我们建议您选择:.
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。
联系当地办事处