主要内容

泰姬陵

马氏距离高斯混合分量

在页面中全部折叠

语法

d2 =泰姬陵(通用,X)

描述

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．

例子

全部折叠

打开生活的脚本

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。

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。

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(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”）

图中包含一个axes对象。axes对象包含一个scatter类型的对象。

输入参数

全部折叠

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．

数据类型:单|双

输出参数

全部折叠

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。

更多关于

全部折叠

Mahalanobis距离

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．

版本历史

介绍了R2007b

另请参阅

||||

主题

Baidu
map