一维高斯函数推广到多维高斯函数

已于 2022-02-24 15:01:18 修改
阅读量841 收藏 3
点赞数
分类专栏： 常用数学知识 文章标签： p2p linq gnu
于 2022-02-24 15:00:47 首次发布
原文链接：https://www.zhihu.com/question/36339816/answer/67043318
版权
mjiansun
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
一维高斯到多维高斯
weixin_42181095的博客
11-01 1149
文章目录前言一、文章重点及流程梳理二、变量不相关下的高斯分布1.标准正太分布2.三、变量相关下的高斯分布四、马氏距离与多维高斯分布总结 前言 第一次写博客，只是本人对于高斯的理解和记录，若有错误和补充希望大家不吝赐教，三人行必有我师！ 一、文章重点及流程梳理 本文目的在于： 1、通过一维正态分布公式，推广n维高斯分布公式； 2、说明高斯分布图像中，均值和方差的意义。 流程梳理： 1、由一维正太分布公式通过线性变换得到n维高斯分布公式； 2、计算线性变换后的均值和方差； 3、从联合概率分布角度解读多维高斯
多维高斯分布
zbbmm的博客
03-06 5726
我们常见的一维高斯分布公式为： 拓展到高维就变成： 其中，表示维度为的向量，则是这些向量的平均值，表示所有向量的协方差矩...
多维高斯函数
09-11
2维高斯滤波器，三维波形图,matlab源码
线性空间中维数公式的推广
03-17
该文用数学归纳法证明了维数公式的推广形式。
一维高斯分布
farmwang的专栏
12-03 2万+
高斯模糊是数字图像模板处理法的一种。其模板是根据二维正态分布（高斯分布）函数计算出来的。          正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。故名高斯模糊。 高斯滤波实际上是一种低通滤波器，也就是说，低波通过，高波滤去。对于图像来讲，就是在低频的部分通过，对于高频的地方滤去。对图像的边缘
简单的一维高斯滤波程序
02-10
简单的一维高斯滤波程序。适用于图像处理初学者。开发平台vs2008+OpenCV2.3.1
多维高斯分布（多元正态分布）的概率密度函数和最大似然估计
最新发布
chen的博客
10-14 4529
fμΣ​x2πD/21​∣Σ∣1/21​exp−21​x−μTΣ−1x−μ)}这是多维高斯分布（多元正态分布）的概率密度函数。fμΣ​xxx∈RDDxμΣx−μTx−μ∣Σ∣ΣΣ−1Σ公式的含义：这个公式描述了 D 维多维高斯分布的概率密度。它告诉我们在给定均值μ和协方差矩阵Σ的情况下，随机变量x出现在空间中的概率密度。
一维高斯随机粗糙面建模.zip
11-18
2. **生成高斯随机数**：利用MATLAB的内置函数`randn`或`mvnrnd`（如果考虑多维高斯分布）生成一维高斯随机数序列，代表表面高度的各个点。 3. **相关性处理**：由于实际的粗糙表面具有一定的空间相关性，即相邻点的...
matlab.zip_三维滤波_三维高斯滤波_画三维图像
07-15
- 高斯滤波是一种常用的去噪方法，其核函数为高斯函数，具有平滑效果。 - 在三维空间中，高斯滤波器可以平滑3D图像中的噪声，同时尽量保留边缘信息。 - 高斯滤波器的参数包括高斯核的标准偏差，它影响了滤波器的...
整数阶一维高斯函数：执行任意正阶的高斯函数。-matlab开发
06-01
计算一维高斯函数： exp(-log(2)*(2*(x-x0)./FWHM).^(2*floor(abs(order)))); 在哪里： x = 坐标x0 = 功能中心FWHM = 函数的全宽半最大值阶 = 高斯阶 正态高斯是 1 阶的。 注意 FWHM = (1/e 半宽)/sqrt(2*log(2)) log 是自然对数。
对图像的一维高斯滤波操作
11-17
应用一维高斯公式，生成一维矩阵，对图像分别进行横向和竖向的高斯滤波处理
一维高斯积分的MATLAB实现
03-24
一个实现一位高斯积分的matlab小函数，对于初学者有帮助。希望大家多多下载
深度学习笔记（50） 一维到三维推广
氢键H-H
09-11 1万+
卷积思维不仅局限于2D图像，可以延伸至1D，乃至3D数据
关于高斯函数的学习
cc_sensi的博客
07-12 7068
一、基础部分 μ指的是期望，决定了正态分布的中心对称轴 σ指的是方差决定了正态分布的胖瘦，方差越大，正态分布相对的胖而矮 方差：（x指的是平均数） 标准差：方差开根号 任何正态分布的概率密度从负无穷到正无穷积分结果都为1 二、高斯函数（一维） a是曲线尖峰的高度，b是尖峰中心的坐标，c称为标准方差，表征的是bell钟状的宽度 高斯函数的积分是误差函数error function，尽管如此，其在整个实线上的反常积分能够被精确的计算出来，使用如下的高斯积分 同理可得 当且..
一维(多维)高斯模型（One(Multi)-dimensional Gaussian Model） 高斯混合模型GMM（Gaussian Mixture Model）
qq_37692302的博客
06-12 8646
一维高斯模型（One-dimensional Gaussian Model） 若随机变量X服从一个数学期望为，标准方差为的高斯分布，记为： x~N（，）。 则概率密度函数为： 高斯分布的期望值决定了其位置，标准方差决定了其幅度。 高斯分布的概率分布函数 高斯分布标准差在概率分布的数据意义 高斯分布重要量的性质 密度函数关于平均值对称 平均值是...
【统计学习方法】多维高斯分布
idwtwt的专栏
12-25 1763
1 基本概念 1.2 方差与协方差 协方差就是衡量两个变量相关性的变量。当协方差为正时，两个变量呈正相关关系（同增同减）；当协方差为负时，两个变量呈负相关关系（一增一减）。 而协方差矩阵，只是将所有变量的协方差关系用矩阵的形式表现出来而已。通过矩阵这一工具，可以更方便地进行数学运算。 方差： 协方差： 1.2 协方差矩阵 根据方差的定义，给定d个随机变量，则这些随机...
快速高斯滤波（用两个一维代替二维）
HLW0522的博客
08-24 5263
高斯函数分离特性 二维方式是根据kernel的大小以及sigma大小生成一个 size*size的卷积核，然后再做卷积。计算量是imgWidth*imgHeight*size*size，但如果用两个一维来替代，则计算量是imgWidth*imgHeight*size*2,计算量大大减少。 具体做法 假设现在是5*5的卷积核，先对整幅图像整体做x方向的卷积，如下此时原图（3,3）位置的像...
【图像处理】高斯模糊、高斯函数、高斯核、高斯卷积操作
热门推荐
mjiansun的专栏
02-24 3万+
通常，图像处理软件会提供"模糊"（blur）滤镜，使图片产生模糊的效果。 "模糊"的算法有很多种，其中有一种叫做"高斯模糊"（Gaussian Blur）。它将正态分布（又名"高斯分布"）用于图像处理。 本文介绍"高斯模糊"的算法，你会看到这是一个非常简单易懂的算法。本质上，它是一种数据平滑技术（data smoothing），适用于多个场合，图像处理恰好提供了一个直观的应用实例。 一、高斯模糊的原理 所谓"模糊"，可以理解成每一个像素都取周边像素的平均值 上图中，2是中间点，周边点都是.
二维高斯概率密度函数
08-18
二维高斯概率密度函数是多元高斯函数的一种特殊形式，用于描述两个随机变量的联合分布。根据引用中提到的多维变量 X = ( x 1 , x 2 )，其联合概率密度函数的形式可以表示为： P(X) = 1 / (2πσ₁σ₂√(1-ρ²)) * exp[-(1/(2(1-ρ²))) * ((x₁-μ₁)²/σ₁² - 2ρ(x₁-μ₁)(x₂-μ₂)/(σ₁σ₂) + (x₂-μ₂)²/σ₂²)] 其中，μ₁和μ₂分别为两个随机变量的均值，σ₁和σ₂分别为两个随机变量的标准差，ρ是两个随机变量之间的相关系数。 这个二维高斯概率密度函数可以用来计算给定均值、标准差和相关系数的情况下，两个随机变量同时取不同取值时的概率密度。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [Gaussian function学习](https://blog.csdn.net/A_Student_OF_SHANDA/article/details/89977393)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [二维高斯分布（Two-dimensional Gaussian distribution）](https://blog.csdn.net/weixin_45884316/article/details/107507392)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值