网站已改版，请使用新地址访问：
KSDENSITY 以最优的窗宽进行核密度估计，误差小，比matlab自带程序精确
269万源代码下载-
&文件名称: KSDENSITY& & [
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 1 KB
&&上传时间:
&&下载次数: 49
&&提 供 者:
&详细说明：以最优的窗宽进行核密度估计，误差小，比matlab自带程序精确-To the best window width nuclear density estimation, a small error, accurate than matlab own procedures
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&核函数求窗宽\KSDENSITY.m&&核函数求窗宽
&[]:纯粹是垃圾&[]:和说明完全不符&[]:纯粹是垃圾
&近期下载过的用户:
&输入关键字，在本站269万海量源码库中尽情搜索：
&[] - 数据的核密度估计及平滑处理
包含各种窗函数
&[] - 用matlab进行概率密度函数的非参数估计，主要有parzen窗法和kn近邻法。分别对平均分布和正态分布进行了仿真。
&[] - 利用正态分布和核密度估计计算分位数。包括正态分布分位数函数、核估计概率密度函数、核估计累计分布概率函数、核估计计算分位数函数。
&[] - 核密度概率估计方法，对于复杂分布的概率密度估计很实用
&[] - 核密度估计
适合初学者
&[] - 实现k维度的核密度估计，包含了点积核和常规核函数的实现
&[] - 这是一个有关parzen窗估计的代码，用来估计概率密度函数，在模式识别中有很多重要的地位~~
&[] - 以为高斯和密度估计，使用高斯核的非参数密度估计方法，对样本进行概率密度估计，程序中给出了窗宽的估算公式。
&[] - infomax的ICA算法的扩展程序源码
&[] - Kernel regression using kernel functions用ksdensity求取一般函数/数据的概率密度函数方法以及高斯联合分布对象的认识
计算标准正态分布随机变量在[-2:1:2]处的概率密度值，泊松分布随机变量在点[0:1:4]的密度函数值，高斯联合分布的概率密度函数曲面和任意函数/数据的概率密度分布。
程序如下：
p1=pdf('normal',-2:2,0,1) &
& %标准正太分布N（1，0）在[-2：1：2]的概率密度值
p2=pdf('poisson',0:4,1:5) &
& %泊松分布P(1)在0，P（2）在1。。。。。P（5）在4处的概率密度值
mu=[1,2;-3 -5]; & &
sigma=cat(3,[2 0;0 .5],[1 0;0 1]); &
p=ones(1,2)/2; & &
obj=gmdistribution(mu,sigma,p)
%高斯联合分布，其中obj（可任意命名）是指联合分布对象，P为相关系数
ezsurf(@(x,y)pdf(obj,[x,y]),[-10,10],[-10,10])
&%ezsurf(fun,[xmin,xmax],[ymin,ymax])
rand=randn(1000,1); & &
&randn（m,n）产生mxn标准正态随机数据矩阵
fx=sin((1:1000)*pi/500);
[f,xi]=ksdensity(rand+5*fx'); &
&ksdensity函数一般用来求取一般函数/数据的概率密度函数
plot(xi,f);
axis tight & &
%使坐标系的最大值最小值和程序中数据范围一致
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}