Contents.m




 Synopsis:

  y = pdfgmm(X, model )



 Description:

  This function evaluates a probability density function 

  determined by Gaussian mixture model (GMM) for given input column 

  vectors in X. The GMM is defined as

         

  y(i) = sum model.Prior(j)*pdfgauss(X(:,i),model.Mean(:,j),model.Cov(:,:,j))

       j=1:ncomp



  for all i=1:size(X,2).

 

 Input:

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

  model.Mean [dim x ncomp] Means of Gaussians.

  model.Cov [dim x dim x ncomp] Covarince matrices.

  model.Prior [ncomp x 1] Weights of components.



 Output:

  y [1 x num_data] Values of probability density function.



 Example:



 Univariate case

  x = linspace(-5,5,100);

  distrib = struct('Mean',[-2 3],'Cov',[1 0.5],'Prior',[0.4 0.6]);

  y = pdfgmm(x,distrib);

  figure; plot(x,y);



 Multivariate case

  model.Mean(:,1) = [-1;-1]; model.Cov(:,:,1) = [1,0.5;0.5,1]; 

  model.Mean(:,2) = [1;1]; model.Cov(:,:,2) = [1,-0.5;-0.5,1]; 

  model.Prior = [0.4 0.6];

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

  y = pdfgmm([Ax(:)';Ay(:)'],model);

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



 See also 

  GMMSAMP, PDFGAUSS.