gmdistribution的使用示例

gmdistribution是MATLAB中用来构建混合高斯模型的类。下面是一个简单的示例：

假设我们有一个二维的数据集，其中包含两个高斯分布的数据：

data = [randn(1000,2)+2; randn(1000,2)-2];
scatter(data(:,1), data(:,2))

我们可以使用gmdistribution类来构建一个包含两个高斯分量的混合高斯模型：

gm = gmdistribution.fit(data, 2);

这个代码将数据集拟合为一个包含两个高斯分量的混合高斯模型。其中，第一个参数是数据集，第二个参数是我们希望拟合的高斯分量的个数。

我们可以使用以下代码来可视化这个模型：

ezcontour(@(x,y)pdf(gm,[x y]),[-8 8],[-8 8]);
hold on;
scatter(data(:,1), data(:,2))

这将绘制出混合高斯分布的等高线和原始数据点的散点图。

另外，我们可以使用gmdistribution类的属性和方法来获取和操作混合高斯模型的参数，例如：

% 获取混合高斯模型的均值、方差和权重
mu = gm.mu;
Sigma = gm.Sigma;
w = gm.PComponents;

% 生成1000个样本数据
newData = random(gm, 1000);

% 计算数据点的后验概率
posterior = posterior(gm, data);

这些代码将获取混合高斯模型的均值、方差和权重，并生成1000个样本数据。另外，计算数据点的后验概率可以帮助我们判断每个数据点属于哪个高斯分量。