4.1Maximum likehood learning of nomal distribution

csdnhuizhu

于 2020-03-01 16:20:41 发布

阅读量304

点赞数

分类专栏： matlab with cvm algorithm

本文链接：https://blog.csdn.net/csdnhuizhu/article/details/104593914

版权

这篇博客介绍了如何使用最大似然学习方法来估计正态分布的参数。在MATLAB中，通过NORMPDF函数计算概率密度，GCA获取当前轴的句柄。在Python环境下，通过Algorithm.py和cvm_example.ipynb文件实现相关算法，分别在两种不同情境下应用，包括使用scipy库进行进一步的计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
F:\code_computer vision models learning and inference\cvm_recode_python
matlab:
step1: function definition：

在这里插入图片描述

step2:example use the function above
在这里插入图片描述

% DISP Display array.
% DISP(X) displays the array, without printing the array name. In
% all other ways it’s the same as leaving the semicolon off an
% expression except that empty arrays don’t display.

%NORMPDF Normal probability density function (pdf).
% Y = NORMPDF(X,MU,SIGMA) returns the pdf of the normal distribution with
% mean MU and standard deviation SIGMA, evaluated at the values in X.
% The size of Y is the common s

最低0.47元/天解锁文章