光谱反褶积使用贝叶斯信息准则和高斯峰的形状
20视图(30天)
显示旧的评论
这个问题已经被很多处理部分代码,但我有困难我所需要实现的具体解决方案。
我有一个连续x, y数据集从一种化合物的紫外可见吸收数据。这个复杂的(宏观/古典)可观察到的是一个或多个单独的结果高斯(类型)的功能。
我想做的是使用概率的方法来找到最有可能的值的高斯峰中心,和由此产生的位置和强度的高斯峰构成的连续光谱。
在R中我们有一个旧代码使用MClust图书馆,但我想用Matlab的优化工具箱找到一个更好的方法执行此任务。
提前感谢你的想法和帮助。
这是一个粗糙的图来表示一般概念(比例不当)
0评论
接受的答案
图像分析
2015年10月16日
如果你有统计和机器学习工具箱:
fitgmdist
适合高斯混合分布的数据
语法
GMModel = fitgmdist (X, k)
例子
GMModel = fitgmdist (X, k,名称,值)的例子
描述
例子
GMModel = fitgmdist (X, k)的回报高斯混合分布模型(GMModel)与k组件安装在数据(X)。
例子
GMModel = fitgmdist (X, k,名称,值)的回报高斯混合分布模型与附加选项指定一个或多个名字、价值对参数。
为例子,你可以指定一个正则化值或协方差类型。