后面

高斯混合组分的后概率

页面上倒塌

句法

P =后退（GM，X）

[p，nlogl] =后退（gm，x）

描述

例子

P.=后部（GM.那X）返回每个高斯混合成分的后验概率GM.给予每次观察X。

[P.那nlogl.] =后部（GM.那X）还返回高斯混合模型的负逻辑GM.鉴于数据X。

例子

全部收缩

计算后概率

打开直播脚本

通过使用使用的遵循两种双变量高斯分布的混合的随机变体mvnrnd.功能。使用拟合高斯混合模型（GMM）通过使用Fitgmdist.功能，然后计算混合组分的后验概率。

定义两个双变量高斯混合组分的分布参数（手段和协方差）。

mu1 = [2 2];1st组件的％平均值sigma1 = [2 0;0 1];第一组分的％协方差mu2 = [-2 -1];第二组分的％平均值sigma2 = [1 0;0 1];％第二组分协方差

生成来自每个组件的相同数量的随机变体，并组合两组随机变体。

RNG（'默认'）重复性的％R1 = MVNRND（MU1，Sigma1,1000）;r2 = mvnrnd（mu2，sigma2,1000）;x = [R1;R2];

组合数据集X含有两种双变型高斯分布的混合物后的随机变体。

适合双组分GMMX。

gm = fitgmdist（x，2）

GM =高斯混合物分布在2尺寸组件1：混合比例：0.500765平均值：-1.9675 -0.9654组分2：混合比例：0.499235平均值：1.9657 2.0342

阴谋X通过使用分散。可视化拟合模型GM.通过使用PDF.和Fcontour.。

图分散（x（：，1），x（:,2），10，'。'）％散射图，尺寸为10抓住上gmpdf = @（x，y）arrayfun（@（x0，y0）pdf（gm，[x0 y0]），x，y）;Fcontour（GMPDF，[ -  6 8 -4 6]）C1 =彩色杆;Ylabel（C1，'概率密度函数'）

图包含轴。轴包含2个类型的散射，functioncontour的对象。

计算组件的后验概率。

p =后验（Gm，x）;

p（i，j）是后部概率jTh Gaussian混合物组分给予观察一世。

绘制后部概率组件1通过使用分散功能。使用圆形颜色可视化后部概率值。

图分散（x（：，1），x（:,2），10，p（：，1））c2 =彩色杆;Ylabel（C2，'组件1'的后验概率）

图包含轴。轴包含类型散射的对象。

绘制后部概率组件2。

图分散（x（：，1），x（:,2），10，p（：，2））c3 =彩色杆;Ylabel（C3，'组件2'的后验概率）

图包含轴。轴包含类型散射的对象。

输入参数

全部收缩

`GM.`-高斯混合分布
`GMDistribution.`目的

高斯混合分布，也称为高斯混合模型（GMM），指定为aGMDistribution.目的。

你可以创建一个GMDistribution.物体使用GMDistribution.或者Fitgmdist.。使用GMDistribution.功能创建一个GMDistribution.通过指定分发参数来实现对象。使用Fitgmdist.适合一个功能GMDistribution.给定数据数量的组件模型。