Contents.m





 Synopsis:

  h = pandr(model)





 Description:

  It vizualizes solution of the Generalized Anderson's task 


  for bivariate input Gaussians.


  


  The input of the task are two sets of Gaussians which 


  describe the first and second class. The Gaussians are denoted as 


  the ellipses (shape -> covariance, center -> mean). 


  The output of the task is the linear classifier denoted as a line 


  separating the 2D feature space.





 Input:

  model [struct] Linear classifier:


   .W [2 x 1] Normal vector of the separating hyperplane.


   .b [real] Bias of the hyperplane.





  distrib [struct] Set of binary labeled Gaussians:


   .Mean [2 x ncomp] Mean vectors.


   .Cov [2 x 2 x ncomp] Covariance matrices.


   .y [1 x ncomp] Labels 1 or 2. 





 Output:

  h [1 x nobjects] Handles of used graphics objects.


  


 Example: