资 源 简 介
此文件夹包含"拟合"函数的集合。
%(有些有演示选项-第三部分)
%一般输入的功能应该是样本的分布。
%
例如,如果我们要符合正态分布 (高斯) 与平均"u"和应用"sig"%^2
%然后样品将分发像:
%样品 = 正态分布 (1,10000) * sig + u
%
用最小二乘法拟合的 %是做样品的直方图。
%拟合与极大似然是直接在样品上进行的。
%
%
%此文件夹中的内容
% =======================
%1) 最大似然估计
%2) 最小二乘估计
3%) 多元高斯分布 (混合高斯模型) 估计的 EM 算法
%4) 添加文件夹: 创建-创造了 EM 算法测试的样品
%的剧情 — — 用来绘制每个分布 (参数化绘图)
%
%
%
%
%
%最大似然估计
% =============================
%fit_ml_maxwell-适合麦克斯韦分布
%fit_ml_rayleigh-符合瑞利分布
%(即为例: sqrt(abs(randn)^2+abs(randn)^2))
%fit_ml_laplace-适合拉普拉斯分布
%fit_ml_log_normal 适合对数正态分布
%fit_ml_normal-适合的正态分布 (高斯)
%
%注: 所有估计量是有效的估计。为此,分布
%可能会以不同的方式,例如,"瑞利"分布用写
"s"的参数给出了 %和不"s ^2"。
%
%
%最小二乘估计
% =========================
%fit_maxwell_pdf-适合给定的曲线的麦克斯韦分布
%fit_rayleigh_pdf-适合给定的曲线的瑞利分布