MATLAB用“fitgmdist”函数拟合高斯混合模型(一维数据)

时间：2022-03-17 08:59:04

MATLAB用“fitgmdist”函数拟合高斯混合模型(一维数据)

作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

在MATLAB中“fitgmdist”的用法及其GMM聚类算法中介绍过"fitgmdist"函数的用法，这次用"fitgmdist"拟合一维数据。

1. 一维高斯混合数据的产生

function data=generate_GMM()

%前两列是数据，最后一列是类标签

%数据规模

N=300;

%数据维度

% dim=1;

%%

%混合比例

para_pi=[0.3 0.2 0.5];

%第一类数据

mul=0; % 均值

S1=1; % 协方差

data1=mvnrnd(mul, S1, para_pi(1)*N); % 产生高斯分布数据

%第二类数据

mu2=4;

S2=2;

data2=mvnrnd(mu2,S2,para_pi(2)*N);

%第三类数据

mu3=-4;

S3=1;

data3=mvnrnd(mu3,S3,para_pi(3)*N);

data = [data1, ones(para_pi(1)*N,1); data2, 2*ones(para_pi(2)*N,1); data3, 3*ones(para_pi(3)*N,1)];

save data_gauss data

2. 拟合高斯混合模型

load data_gauss

data=data(:,1);

K=3;

gmm=fitgmdist(data, K);

% 自定义参数

% RegularizationValue=0.001;   %正则化系数，协方差矩阵求逆

% MaxIter=1000;   %最大迭代次数

% TolFun=1e-8;   %终止条件

% gmm=fitgmdist(data, K, 'RegularizationValue', RegularizationValue, 'CovarianceType', 'diagonal', 'Start', 'plus', 'Options', statset('Display', 'final', 'MaxIter', MaxIter, 'TolFun', TolFun));

[N, D]=size(data);

mu=gmm.mu;  %均值

Sigma=gmm.Sigma;   %协方差矩阵

ComponentProportion=gmm.ComponentProportion;  %混合比例

Y=zeros(N, K);

for k=1:K

    Y(:,k)=ComponentProportion(k).*normpdf(data, mu(k), Sigma(:,:,k));

end

YY=sum(Y, 2);

plot(data,YY,'r.')

3. 结果

MATLAB用“fitgmdist”函数拟合高斯混合模型(一维数据)

4. 参考

[1] MATLAB高斯混合数据的生成

[2] MATLAB中“fitgmdist”的用法及其GMM聚类算法

相关文章