parzen窗概率密度估计 matlab,核密度估计(parzen窗密度估计)

matlab中提供了核平滑密度估计函数ksdensity(x)：

[f, xi] = ksdensity(x)

返回矢量或两列矩阵x中的样本数据的概率密度估计f。 该估计基于高斯核函数，并且在等间隔的点xi处进行评估，覆盖x中的数据范围。

ksdensity估计单变量数据的100点密度，或双变量数据的900点密度。

ksdensity适用于连续分布的样本。

也可以指定评估点：

[f,xi] = ksdensity(x,pts) specifies points (pts) to evaluate f. Here, xi and pts contain identical values。

核密度估计方法：

代码实现，对比：

clear all;

clc;

n=100;

% 生成一些正态分布的随机数

x=normrnd(0,1,1,n);

minx = min(x);

maxx = max(x);

dx = (maxx-minx)/n;

x1 = minx:dx:maxx-dx;

h=0.5;

f=zeros(1,n);

for j = 1:n

for i=1:n

f(j)=f(j)+exp(-(x1(j)-x(i))^2/2/h^2)/sqrt(2*pi);

end

f(j)=f(j)/n/h;

end

plot(x1,f);

%用系统函数计算比较

[f2,x2] = ksdensity(x);

hold on;

plot(x2,f2,'r'); %红色为参考

PRML上核密度估计(parzen窗密度估计)的实现：