文档帮助中心文档
而距离高斯混合组件
d2 =泰姬陵(通用,X)
例子
d2=泰姬陵(通用汽车,X)返回的平方而每个观测的距离X每一个高斯混合组件通用汽车。
d2=泰姬陵(通用汽车,X)
d2
通用汽车
X
全部折叠
生成随机变量,两个二维高斯分布的混合使用mvnrnd函数。符合高斯混合模型(GMM)通过使用生成的数据fitgmdist函数,然后计算Mahalanobis之间的距离所生成的数据和组件安装GMM的混合物。
mvnrnd
fitgmdist
定义了分布参数(均值和方差)的两个二元高斯混合组件。
rng (“默认”)%的再现性mu1 = (1 - 2);%的第一个组件sigma1 = [2 0;0。5);% 1组件的协方差mu2 = [3 - 5];%的第二个组件sigma2 = [1 0;0 1];% 2组件的协方差
从每个组件生成同等数量的随机变量,并结合两组随机变量。
r1 = mvnrnd (mu1 sigma1 1000);r2 = mvnrnd (mu2 sigma2 1000);X = [r1;r2);
合并后的数据集X含有随机变量在两个二维高斯分布的混合物。
适合双组分GMMX。
通用= fitgmdist (X, 2)
通用组件为2 =高斯混合分布在二维组件1:混合比例:0.500000的意思是:-2.9617 - -4.9727组件2:混合比例:0.500000的意思是:0.9539 - 2.0261
fitgmdist适合一个GMMX使用两个混合组件。的手段组件1和组件2是[-2.9617,-4.9727]和[0.9539,2.0261],这是接近mu2和mu1,分别。
组件
1
2
[-2.9617,-4.9727]
[0.9539,2.0261]
mu2
mu1
计算每个点的距离X每个组件的通用汽车。
d2 =泰姬陵(gm, X);
情节X通过使用散射并使用标记颜色可视化距离组件1。
散射
散射(X (: 1) X (:, 2), 10, d2 (: 1),“。”)%散点图的大小10c = colorbar;ylabel (c,“Mahalanobis距离组件1”)
gmdistribution
高斯混合分布,也称为高斯混合模型(GMM),指定为一个gmdistribution对象。
您可以创建一个gmdistribution对象使用gmdistribution或fitgmdist。使用gmdistribution函数创建一个gmdistribution对象通过指定分布参数。使用fitgmdist函数以适应gmdistribution模型数据给定一个固定数量的组件。
数据,指定为一个n——- - - - - -米数字矩阵,n是观察和的数量吗米是每一个观测变量的数量。
如果一个行X包含nan,然后泰姬陵不包括计算的行。相应的价值d2是南。
nan
泰姬陵
南
数据类型:单|双
单
双
方每个观测的距离X每一个高斯混合组件通用汽车,作为一个返回n——- - - - - -k数字矩阵,n观察的数量吗X和k混合组件的数量吗通用汽车。
d2 (i, j)平方距离的观察吗我到j高斯混合组件。
d2 (i, j)
我
j
Mahalanobis距离是衡量样本点和分布。
的距离向量x与的意思是一个分布μ和协方差Σ是
d = ( x − μ ) ∑ − 1 ( x − μ ) ” 。
这个距离是多远x从标准差的平均数量。
泰姬陵返回的平方距离d2从一个观察X一个混合组件通用汽车。
集群|fitgmdist|gmdistribution|泰姬陵|后
集群
后
这种版本modificada德埃斯特比如。害怕Desea abrir埃斯特比如con sus modificaciones吗?
Ha事实clic en联合国围绕此时一个埃斯特第一de MATLAB:
Ejecute el第一introduciendolo en la ventana de第一de MATLAB。洛杉矶navegadores网络没有admiten第一de MATLAB。
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室