请写一段使用Parzen窗函数法对训练样本估计概率密度的matlab代码

假设训练样本为一个列向量数组X，带权重的Parzen窗口函数为g，窗口宽度为h，则Parzen窗函数法的概率密度估计可以用以下matlab代码实现：

function [p, x] = parzen(X, g, h)
% X为列向量数组，g为带权重的窗口函数，h为窗口宽度
% p为概率密度估计结果，x为概率密度估计点
n = length(X);
x = linspace(min(X), max(X), 100); % 生成100个概率密度估计点
p = zeros(size(x)); % 初始化概率密度估计结果
for i = 1:length(x)
for j = 1:n
p(i) = p(i) + g((x(i)-X(j))/h); % 累加每个样本的窗口函数贡献
end
p(i) = p(i) / (n*h); % 计算概率密度估计结果
end
end

例如，假设训练样本为一个长度为100的列向量，带权重的窗口函数为高斯函数，窗口宽度为0.1，则可以使用以下代码进行概率密度估计：

X = randn(100, 1); % 生成100个标准正态分布样本
g = @(x) exp(-0.5*x.^2) / sqrt(2*pi); % 定义带权重的高斯窗口函数
h = 0.1; % 窗口宽度
[p, x] = parzen(X, g, h); % 进行概率密度估计
plot(x, p); % 绘制概率密度估计结果