Skip to main content

3 posts tagged with "高斯分布"

View All Tags

在二元高斯混合模型中求曲线积分

· 4 min read
PuQing
AI, CVer, Pythoner, Half-stack Developer

预备知识

回顾 高斯分布 以及 混合模型 中的内容,独立的多元高斯分布为:

fx(x1,,xk)=1(2π)kΣe12(xμ)TΣ1(xμ)f_{\mathbf{x}}\left(x_{1}, \ldots, x_{k}\right)=\frac{1}{\sqrt{(2 \pi)^{k}|\boldsymbol{\Sigma}|}} \mathrm{e}^{-\frac{1}{2}(\mathbf{x}-\boldsymbol{\mu})^{\mathrm{T}} \boldsymbol{\Sigma}^{-1}(\mathbf{x}-\boldsymbol{\mu})}

在二维非奇异的情形下,我们有下面公式:

多元高斯分布

· 13 min read
PuQing
AI, CVer, Pythoner, Half-stack Developer

高斯分布 中我们分别介绍了一维高斯分布情况,以及对于多元高斯分布表达式中的 马氏距离 进行了解释。这一节将主要介绍在多元高斯分布的常用定理进行介绍。

多元高斯的线性性质

tip

已知:

高斯分布

· 8 min read
PuQing
AI, CVer, Pythoner, Half-stack Developer

假设有数据:

X=(x1,x2,,xN)T=(x1Tx2TxNT)=(x11x12x1px21x32x2pxN1xN2xNp)N×PX=\left(x_{1}, x_{2}, \cdots, x_{N}\right)^{T}=\left(\begin{array}{c} x_{1}^{T} \\ x_{2}^{T} \\ \vdots \\ x_{N}^{T} \end{array}\right)=\left(\begin{array}{cccc} x_{11} & x_{12} & \ldots & x_{1 p} \\ x_{21} & x_{32} & \ldots & x_{2 p} \\ \vdots & \vdots & \ddots & \vdots \\ x_{N 1} & x_{N 2} & \ldots & x_{N p} \end{array}\right)_{N \times P}

其中 xiRpx_{i}\in \mathbb{R}^pxiN(μ,Σ)x_{i} \sim \mathcal{N}(\mu, \Sigma),参数为 θ=(μ,Σ)\theta=(\mu,\Sigma)

单变量高斯分布

对于单变量的高斯分布 N(μ,σ2)\mathcal{N}(\mu,\sigma^2),即 p=1p=1,其概率密度函数为