问题标签 [gaussian]

我有一些看起来像服从高斯分布的数据。所以我用

my.glm<- glm(b1~a1,family=Gaussian)

然后使用命令

summary(my.glm).

结果是：

我认为他们很合适。但是我怎样才能在这些数据上画出高斯曲线呢？

我有一堆应该代表一张脸的点。我必须多次应用高斯滤波器。我在Java中尝试了一些东西，但它没有用。我想我可能走错了。目的是“填充”一些空白区域。

我创建了一个 n*n 单元格的蒙版，并将其应用于每个点。考虑到掩码内的点，该掩码应该应用高斯滤波器。虽然均值滤波器工作正常（但这不是我需要的），但我制作的高斯滤波器不起作用。

这些点位于 3D 空间上。问题是：您将如何在 Java 中创建高斯滤波器以应用于 3D 空间中的点云？

我实际上认为解决方案很简单，但我想我错过了一些东西。我一直在阅读有关高斯滤波器所需的一切。所以可能这只是我遇到的一个Java问题。

我需要生成一个具有高斯分布的矩阵（值主要从 -5 到 5 分布），一个泊松矩阵，将它们混合并将它们作为Matlab FastICA的输入。

我是 Matlab、发行版和 ICA 的新手，所以一些建议会很有帮助。我一直在努力，但不知道我是否走在正确的轨道上。

为了生成高斯和泊松矩阵，我生成了两个数组：

然后我使用reshape函数生成两个 200x200 矩阵。使用image时，我得到以下图像：

我的第一个问题是：这是在 Matlab 中生成高斯和泊松矩阵的正确方法吗？或者是否有一些内置函数可以实际生成矩阵，而不必生成和重塑数组？

现在，第二个问题：使用FastICA。

参考一个非常好的答案：ICA（独立分量分析）快速不动点算法，它提到FastICA需要连续的每个信号。

因此，我通过以下方式生成信号矩阵：

然后我生成一个混合矩阵，添加一些噪声，并将生成的矩阵作为 fastica() 函数的输入。

我的问题是：是否可以将 2D 数据直接提供给 FastICA？如果您有一个包含许多混合信号的图像并想将其提供给 ICA 以便它可以找到独立分量怎么办？

一个指向解释如何在不同输入上使用 FastICA 的教程的链接将非常有帮助。

提前感谢任何阅读这篇文章并试图提供帮助的人。很抱歉这个冗长的问题，我想确保它被很好理解！

我想通过一个小模拟得到一个不同的解决方案来解决我“象征性地”解决的问题。现在，我想知道如何直接使用 Mathematica 进行集成。

请考虑一个以 r = 1 为中心的圆盘表示的目标，以 (0,0) 为中心。我想模拟我投掷飞镖击中该目标的概率。

现在，我没有任何偏见投掷它们，也就是说，平均而言，我将击中中心 mu = 0，但我的方差为 1。

考虑到我的飞镖击中目标（或墙壁 :-) 时的坐标）我有以下分布，2 个高斯：

当这 2 个分布以 0 为中心且方差相等 =1 时，我的联合分布变为二元高斯分布，例如：

所以我需要知道我击中目标的概率或 x^2 + y^2 低于 1 的概率。

在极坐标系中转换后的积分首先给了我我的解决方案：.39。模拟确认它使用：

我觉得使用 Mathematica 的集成能力有更优雅的方法来解决这个问题，但从来没有映射以太工作。

我正在寻找一个多变量 GMM 的 C++ 实现，它使用基于 Gibbs 采样的方法来拟合/分类（而不是通常的基于 EM），以便能够充分利用先验信息并添加约束。通常称为狄利克雷过程高斯混合模型或 DPGMM。

我已经在 Matlab 中实现了这个，但没有花时间转换这个代码（是的，我的代码使用内置的 matlab 编码器进行转换，但它目前依赖于各种额外的 Matlab 库）。效率也很重要，我将每秒多次将 GMM 拟合到大型数据集。

因此，我很想知道那里是否已经有众所周知的高效代码。初始搜索没有返回太多。

我有一个具有高斯模糊的图像视图（在 Interface Builder 中使用 CALayer 进行设置）。我的图像填满了窗口，并且由于图像模糊，边缘周围出现了不受欢迎的透明区域。有没有办法可以在图像视图上方制作一个模糊“图层”，以便在不破坏边缘的情况下扭曲图像？我确实理解边缘失真是由于高斯模糊的工作方式造成的。

谢谢

这是窗口的左上角

我正在尝试在 Objective-C 中生成一个随机高斯双精度（与random.nextGaussianJava 相同）。然而rand_gauss()似乎不起作用。有谁知道实现这一目标的方法？

我正在尝试对许多数据点进行高斯拟合。例如，我有一个 256 x 262144 的数据数组。需要将 256 个点拟合到高斯分布，我需要其中的 262144 个。

有时高斯分布的峰值超出数据范围，因此要获得准确的平均结果曲线拟合是最好的方法。即使峰值在范围内，曲线拟合也会给出更好的 sigma，因为其他数据不在范围内。

我使用http://www.scipy.org/Cookbook/FittingData中的代码为一个数据点工作。

我试图重复这个算法，但看起来它需要大约 43 分钟才能解决这个问题。是否有一种已经编写好的快速方法可以并行或更有效地执行此操作？

请注意，数据不一定是 256x262144，我已经在 nd_fit 中做了一些捏造来完成这项工作。

我用来让它工作的代码是

注意：@JoeKington 下面发布的解决方案很棒，而且解决得非常快。然而，除非高斯的重要区域在适当的区域内，否则它似乎不起作用。我将不得不测试平均值是否仍然准确，因为这是我使用它的主要目的。

我正在寻找算法来进行从表格 XY 数据到高斯函数（又名钟形曲线）的曲线拟合。通过谷歌搜索，我可以找到一些用于 Matlab 的高斯拟合算法，这里有几个：

https://ccrma.stanford.edu/~jos/sasp/Fitting_Gaussian_Data.html

http://jila.colorado.edu/bec/BEC_for_everyone/matlabfitting.htm

一个似乎使用 Matlab 的“polyfit”功能来完成这项工作。

任何人都看到容易为 Lua 语言（高斯或 polyfit）制作算法？如果没有，我将非常感谢创建/移植此类算法的帮助，因为我有限的 Lua 技能可能会消耗一天的时间。

我一直在研究一个函数来生成 0 到 1 之间的高斯分布随机随机数。这里的这个网站很有帮助，因为我基本上复制了 Polar Form 的算法以了解该过程，但我无法保持介于 0 和 1 之间的值，包括 0 但不包括 1。如果我是正确的，我相信这个的数学符号是 [0, 1)。您可以提供的任何见解都会很棒。在 Unix 上，它编译为；gcc文件名.c -lm