Contents.m




 Synopsis:

  y = pdfgauss(X, Mean, Cov)

  y = pdfgauss(X, model )



 Description:

  y = pdfgauss(X, Mean, Cov) evaluates a multi-variate Gaussian 

  probability density function(s) for given input column vectors in X.

  Mean [dim x ncomp] and Cov [dim x dim x ncomp] describe a set of 

  ncomp Gaussian distributions to be evaluted such that



  y(i,j) = exp(-0.5(mahalan(X(:,j),Mean(:,i),Cov(:,:,i) )))/norm_const



  where i=1:ncomp and j=1:size(X,2). If the Gaussians are

  uni-variate then the covariaves can be given as a vector

  Cov = [Cov_1, Cov_2, ..., Cov_comp].



  y = pdfgauss( X, model ) takes Gaussian parameters from structure

  fields model.Mean and model.Cov.



 Input:

  X [dim x num_data] Input matrix of column vectors.

  Mean [dim x ncomp] Means of Gaussians.

  Cov [dim x dim x ncomp] Covarince matrices.



 Output:

  y [ncomp x num_data] Values of probability density function.



 Example:

 

 Univariate case

  x = linspace(-5,5,100);

  y = pdfgauss(x,0,1);

  figure; plot(x,y)



 Multivariate case

  [Ax,Ay] = meshgrid(linspace(-5,5,100), linspace(-5,5,100));

  y = pdfgauss([Ax(:)';Ay(:)'],[0;0],[1 0.5; 0.5 1]);

  figure; surf( Ax, Ay, reshape(y,100,100)); shading interp;



 See also 

  GSAMP, PDFGMM.