转载地址:http://www.cnblogs.com/nani/archive/2012/03/18/2404646.html
首先,把二维正态分布密度函数的公式贴这里
这只图好大啊~~
但是上面的那个是多维正态分布的密度函数的通式,那个n阶是对称正定方阵叫做协方差矩阵,其中的x,pi,u都是向量形式。虽然这个式子很酷,但是用在matlab里画图不太方面,下面换一个
这个公式与上面的等价,只不过把向量和矩阵展开,计算出来。我们可以用这个式子画图。
因为二维函数的形式是:z=f(x,y)
所以必须先选择一些点,然后计算出f(x,y)。这些点分布在一个平面上,而z则在三维空间。
如何选择平面上的点阵?
[x,y]=meshgrid(a,b)
meshgrid就是这样一个生成点阵的函数,这个meshgrid理解起来有点绕,不过举个例子就马上能力明白了。下面是matlab里面的一段截图:
我们可以看到meshgrid生成了两个同样大小的矩阵,第一个矩阵是通过把第一个参数[1:3]顺着行的方向复制了4次,4是第二个参数的长度,同样第二个矩阵是第二个参数顺着列的方向复制了三次,3是第一个参数向量的长度。而这个点阵就是:
(1,2) (2,2) (3,2)
(1,3) (2,3) (3,3)
...
看出什么意思了吧?就这个意思。
至于这两个参数到底怎么选,这样根据你的正态分布的均值,尽量使点阵的中心与分布的均值靠近。
好了,有了平面上的点,就来算这些点对应的函数值。往函数里套就行,下面是代码:
function Z
=
drawGaussian(u,v,x,y)
%
u,vector,expactation;v,covariance matrix
%
x
=
150
:
0.5
:
190
;
%
y
=
35
:
110
;
[X,Y]
=
meshgrid(x,y);
DX
=
v(
1
,
1
);
%
X的方差
dx
=
sqrt(DX);
DY
=
v(
2
,
2
);
%
Y的方差
dy
=
sqrt(DY);
COV
=
v(
1
,
2
);
%
X Y的协方差
r
=
COV
/
(dx
*
dy);
part1
=
1
/
(
2
*
pi
*
dx
*
dy
*
sqrt(
1
-
r^
2
));
p1
=
-
1
/
(
2
*
(
1
-
r^
2
));
px
=
(X
-
u(
1
)).^
2.
/
DX;
py
=
(Y
-
u(
2
)).^
2.
/
DY;
pxy
=
2
*
r.
*
(X
-
u(
1
)).
*
(Y
-
u(
2
)).
/
(dx
*
dy);
Z
=
part1
*
exp(p1
*
(px
-
pxy
+
py));
mesh(x,y,Z);
|
最后一句mesh(x,y,Z) 是画图函数,画出的图行大概是下面这个样子: