В этом примере показано, как создать известное, или полностью заданный, объект Gaussian mixture model (GMM) с помощью gmdistribution и путем определения средних значений компонента, ковариаций и пропорций смеси. Чтобы создать объект GMM подходящими данными к GMM, сочтите целесообразным смешанная гауссовская модель к Данным.
Задайте средние значения компонента, ковариации и смешивание пропорций для двухкомпонентной смеси двумерных Распределений Гаусса.
mu = [1 2;-3 -5]; % Means sigma = cat(3,[2 0;0 .5],[1 0;0 1]); % Covariances p = ones(1,2)/2; % Mixing proportions
Строки mu соответствуйте векторам средних значений компонента и страницам sigma, sigma(:,;,J), соответствуйте ковариационным матрицам компонента.
Создайте объект GMM с помощью gmdistribution.
gm = gmdistribution(mu,sigma,p);
Отобразите свойства GMM.
properties(gm)
Properties for class gmdistribution:
NumVariables
DistributionName
NumComponents
ComponentProportion
SharedCovariance
NumIterations
RegularizationValue
NegativeLogLikelihood
CovarianceType
mu
Sigma
AIC
BIC
Converged
ProbabilityTolerance
Для описания свойств смотрите gmdistribution. Чтобы получить доступ к значению свойства, используйте запись через точку. Например, получите доступ к количеству переменных каждого компонента GMM.
dimension = gm.NumVariables
dimension = 2
Визуализируйте функцию плотности вероятности (PDF) GMM использование pdf и MATLAB® функционирует fsurf.
gmPDF = @(x,y) arrayfun(@(x0,y0) pdf(gm,[x0 y0]),x,y);
fsurf(gmPDF,[-10 10])
title('Probability Density Function of GMM');
Визуализируйте кумулятивную функцию распределения (cdf) GMM использование cdf и fsurf.
gmCDF = @(x,y) arrayfun(@(x0,y0) cdf(gm,[x0 y0]),x,y);
fsurf(gmCDF,[-10 10])
title('Cumulative Distribution Function of GMM');