問題タブ [gaussian]

1次元のガウスフィルターを返す関数を作成しようとしています。関数はパラメータとしてシグマを取りました。問題は、関数がすべてのシグマに対して同じ配列を返すことです。

サポート配列は正しく計算されますが、expを適用すると問題が発生することに注意してください。

いくつかのデータ ポイントとその平均点があります。これらのデータ ポイント (平均) がガウス分布に従うかどうかを確認する必要があります。その種のテストを実行できる MATLAB の関数はありますか? それとも自分でテストを書く必要がありますか?

MATLAB が提供するさまざまな統計関数を調べてみました。私は MATLAB を初めて使用するので、適切な関数を見落としている可能性があります。

乾杯

Matlabで一般化ガウスノイズジェネレーターを作成する必要があります。

vGGNは、次の分布のランダム信号です。

ここで、pは値vとしてカウントされる確率です。

これは、ガンマ関数gammaの値を計算するMatlab関数に組み込まれていることに注意してください。

私は次の方法でジェネレーターを作成しようとしていました：

しかし、ループは無限のようで、何かがおかしいです。

また、次の点にも注意してください。このジェネレーターは、平均値と標準偏差
beta = 2を持つ正規ガウス分布に等しい値を返す必要があります。mialfa^2/2

編集 OK、ダグは私を正しい方向に向けました。v多かれ少なかれ選択される可能性が高い値を作成し（10 * stdが非常に良いと仮定しました）、確率条件を確認する必要があります。（whileループで）確率チェックごと
に新しい値を描画することも重要です。 だから問題は解決しましたprob

このジェネレータを使用すると、次のものを生成できることに注意してください。-
ガウスノイズの場合beta = 2 -ラプラシアン（インパルス）ノイズの場合beta = 1

正規（ガウス）分布の一部に分布する数値を生成できるシングルパスアルゴリズムはありますか？

基本値（分布の中心）、標準偏差、および最小値と最大値を指定したいと思います。

たとえば、すべての値を-0.5と+1の標準偏差の間で、正規分布で見られるのと同じ比率で分布させたい場合があります（明らかに、欠落しているテールを考慮して増加します）。

明らかに、ループを使用して、生成された数が最小値と最大値の間にある場合にのみ終了できますが、最小値/最大値がテールに沿って近すぎたり遠すぎたりすると、長時間続く可能性があります。

ガウス乱数関数を使用する言語を想定しています（Javaを使用していますが、ほとんどすべてを読み取ることができます）。

私はElements of Statistical Learning ESLIIを読んでいます.2章には、いくつかの学習アルゴリズムを説明するためのガウス混合データセットがあります。このデータセットを生成するために、最初に二変量ガウス分布 N((1,0)', I) から 10 個の平均を生成します。私は彼らが何を意味するのか分かりませんか？

平均 (1,0) を持つ二変量分布から 10 の平均を生成するにはどうすればよいですか?

C＃で画像処理コードを実行していますが、ライブラリやGNUのようなコードを使用できません。

UnsharpMask関数は、フーリエ変換に依存するガウスぼかしに依存します。私はこれらすべてのコードを書き、物事は機能していますが、長い話を短くするために、FFT関数を削除する必要があります。おそらくFFTを必要としない別の方法でアンシャープマスクを実行する方法はありますか？

ガウス関数を使用して、隣接情報を格納するためにハーフエッジ構造を使用する特定の3Dメッシュを平滑化したいと思います。提案されたアルゴリズムは次のとおりです。

すべての頂点を、隣接するエッジの加重平均によって決定される位置に移動してメッシュを滑らかにします（加重が頂点に接続されたエッジの平均長に等しいシグマを持つガウスによって決定され、重みの合計が1になるように正規化されます）。

したがって、各頂点curr_vertexについて、I

1. 取り付けられたエッジの平均の長さを計算します
2. 隣接するすべての頂点を取得します
3. 次の手順を実行して、隣接する各頂点の重みを決定します。`

重み=exp（-（距離*距離）/（2。シグマシグマ））

where distance is the 3D distance between thecurr_vertex and the neighbor andsigma = average length of attached edges ofcurr_vertex`

4. すべての重みを合計し、各ネイバーの重みをこの合計で除算します（正規化ステップ）。
5. 隣接する各頂点の位置に対応する重みを掛けます
6. 重み付けされたすべての頂点を合計し、その結果をcurr_vertexに追加して、新しい頂点を生成します。

これを実行してアルゴリズムを実行すると、実際に発生するのはスケールではなく、スケールです。メッシュは、明らかなスムージングなしで拡大されます。

私が間違っていることについて何か考えはありますか？

編集：これが私が持っているコードです：

回帰には多次元ガウスモデルを使用します。Rasmussen はアルゴリズムの本を持っていますが、それは 1 次元の出力のみです。それを変更するアイデアはありますか？

重み付きサンプルのセットがあり、各サンプルの重みが0〜1であると仮定します。重みの高いサンプルにバイアスされている、ガウス混合分布のパラメーターを推定します。通常の重み付けされていない場合、ガウス混合推定はEMアルゴリズムを介して行われます。

重みを渡すことを許可する実装（どの言語でもOK）はありますか？そうでない場合、重みを考慮してアルゴリズムを変更するにはどうすればよいですか？そうでない場合、問題の最大対数尤度式の初期式に重みを組み込むにはどうすればよいですか？