[英]Fitting a 2D Gaussian to 2D Data Matlab
我有一个从两个单独的未知高斯分布中得出的x
和y
坐标向量。 我想将这些点拟合为三维高斯函数,并在任何x
和y
处评估此函数。
到目前为止,我发现这样做的唯一方法是使用具有最多1个分量的高斯混合模型(请参见下面的代码),并进入ezcontour
的句柄以获取X,Y和Z数据。
这种方法的问题是,首先,它以一种非常丑陋的回旋方式完成该任务,其次,ezcontour命令仅给我60x60的网格,但是我需要更高的分辨率。
有谁知道一种更优雅,更有用的方法,该方法将使我能够找到潜在的高斯函数并提取任意x
和y
值?
码:
GaussDistribution = fitgmdist([varX varY],1); %Not exactly the intention of fitgmdist, but it gets the job done.
h = ezcontour(@(x,y)pdf(GaussDistributions,[x y]),[-500 -400], [-40 40]);
一般形式的高斯分布是这样的:
我不允许上传图片,但高斯公式为:
1/((2*pi)^(D/2)*sqrt(det(Sigma)))*exp(-1/2*(x-Mu)*Sigma^-1*(x-Mu)');
其中D是数据维度(您的数据为2); Sigma是协方差矩阵; Mu是每个数据向量的均值。
这是一个例子。 在此示例中,将一个高斯拟合为两个从正态分布中随机生成的,具有参数N1(4,7)和N2(-2,4)的样本的向量:
Data = [random('norm',4,7,30,1),random('norm',-2,4,30,1)];
X = -25:.2:25;
Y = -25:.2:25;
D = length(Data(1,:));
Mu = mean(Data);
Sigma = cov(Data);
P_Gaussian = zeros(length(X),length(Y));
for i=1:length(X)
for j=1:length(Y)
x = [X(i),Y(j)];
P_Gaussian(i,j) = 1/((2*pi)^(D/2)*sqrt(det(Sigma)))...
*exp(-1/2*(x-Mu)*Sigma^-1*(x-Mu)');
end
end
mesh(P_Gaussian)
在matlab中运行代码。 为了清楚起见,我这样编写代码,从编程角度来看,它可以更高效地编写。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.