文档帮助中心
高斯混合成分的后验概率
P =后部(GM,X)
[P,nlogL] =后部(GM,X)
例
P=后部(克,X)返回每个高斯混合组分在后验概率克给每个观察X。
P=后部(克,X)
P
克
X
[P,nlogL)=后(克,X)还返回高斯混合模型的负对数似然克给出的数据X。
[P,nlogL)=后(克,X)
nlogL
全部收缩
生成,通过使用遵循两个二元高斯分布的混合随机变元mvnrnd功能。通过使用适合的高斯混合模型(GMM)来将所生成的数据fitgmdist函数,然后计算混合物组分的后验概率。
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)。
mu1 = [2 2];所述第一组分的%平均sigma1 = [2 0;0 1];所述第一部件的协方差%MU2 = [-2 -1];第二部分的均值%σ-2 = [1 0;0 1];所述第二部件的协方差%
产生从每个分量随机变元的数目相等,并结合两组随机变元的。
rng (“默认”)%的再现性R1 = mvnrnd(MU1,sigma1,1000);R2 = mvnrnd(MU2,sigma2,1000);X = [R1;R2];
合并后的数据集X包含两个二元高斯分布的混合下列随机变元。
适合一个双组分GMM到X。
GM = fitgmdist(X,2)
gm =两组分二维高斯混合分布组分1混合比例:0.500765均值:-1.9675 -0.9654组分2混合比例:0.499235均值:1.9657 2.0342
情节X通过使用分散。可视化拟合模型克通过使用PDF格式和fcontour。
分散
PDF格式
fcontour
图散射(X(:,1),X(:,2),10,'')%散点图大小为10点保持在gmPDF = @ (x, y)重塑(pdf(通用、(x (:) y(:))),大小(x));fcontour(gmPDF,[-6 8 -4 6])ylabel (c1,的概率密度函数)
计算部件的后验概率。
P =后部(GM,X);
P(I,J)是的后验概率Ĵ个高斯混合组分给定观察一世。
P(I,J)
Ĵ
一世
剧情的后验概率组件1通过使用分散功能。使用圆圈的颜色以可视化的后验概率值。
组件1
图散射(X(:,1),X(:,2),10,P(:,1))C2 =彩条;ylabel(C2,“组分1的后验概率”)
剧情的后验概率组件2。
组件2
图散射(X (: 1), (:, 2), 10, P (:, 2)) c3 = colorbar;ylabel (c3,“组分2的后验概率”)
gmdistribution
高斯混合分布,也称为高斯混合模型(GMM),指定为gmdistribution对象。
您可以创建一个gmdistribution使用对象gmdistribution或fitgmdist。使用gmdistribution函数来创建gmdistribution通过指定分配参数对象。使用fitgmdist功能,以适应gmdistribution建模给定部件的固定数量的数据。
数据,指定为ñ——- - - - - -米数字矩阵,ñ观察的次数是多少米为每次观察的变量数。
如果某行的X包含NaN的, 然后后排除从计算的行。在相应的值P是为NaN。
NaN的
后
为NaN
数据类型:单|双
单
双
在每个高斯混合分量的后验概率克给每个观察X,作为ñ——- - - - - -ķ数字向量,其中ñ是观测的数量X和ķ混合组分的数量是多少克。
P(I,J)是的后验概率Ĵ个高斯混合组分给定观察一世,概率(组分Ĵ|意见一世)。
高斯混合模型的负对数似然值克给出的数据X,返回数值。
簇|fitgmdist|gmdistribution|泰姬陵
簇
泰姬陵
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处