《计算机视觉：模型、学习和推理》——3.5 一元正态分布

本节书摘来自华章计算机《计算机视觉：模型、学习和推理》一书中的第3章，第3.5节,作者：（英）普林斯（Prince，J. D.）著， 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.5　一元正态分布

　图3-5　一元正态分布定义在x∈R上有两个参数{μ,σ2}。均值μ决定期望值，方差σ2决定均值的集中度，当σ2增大时，分布函数变得又宽又扁

一元正态分布或者高斯分布（见图3-5）由一个连续值x∈［－∞,∞］定义。在视觉领域中，通常可以忽略像素的灰度值是量化的这个事实，并用连续正态分布对其建模。真实世界的状态也可以用正态分布描述。例如，到一个物体的距离就可以用这种方法来表示。
正态分布有两个参数均值μ和方差σ2。μ可取任意实数，它决定峰值的位置。σ2大于零，它决定分布的宽度。正态分布定义为：