无参密度估计,不同于优化L2误差的交叉验证(CV),拓扑密度估计(TDE)优化单峰类别的估计。在高度多模态分布的定性度量中,TDE表现优于CV,且速度更快,无需参数,仅需采样数据和内核选择(支持高斯、Epanechnikov和直方图)。
拓扑密度估计与相关评估的MATLAB开发脚本
相关推荐
使用核密度估计绘制散点图
这个功能利用核平滑函数计算每个点的概率密度估计(PDE),并且用颜色表示每个点。输入x表示X轴上的位置,y表示Y轴上的位置。varargin可用于向scatter函数发送一组指令,支持MarkerSize参数,不支持MarkerColor参数。输出h返回创建的散点对象的句柄。例如,生成数据x = normrnd(10, 1, 1000, 1); y = x * 3 + normrnd(10, 1, 1000, 1); 使用scatter_kde(x, y, '填充', 'MarkerSize', 100); 添加颜色栏cb = colorbar(); cb.Label.String = '概率密度估计'。
Matlab
0
2024-08-13
基于神经信号的功率谱密度估计
介绍了一种基于神经信号进行功率谱密度估计的方法。该方法接收神经信号向量作为输入,并输出相应的功率谱密度值,为神经信号分析提供了有效的频域特征。
算法与数据结构
3
2024-05-29
一维数据的高效核密度估计器Kernel Density Estimator MATLAB开发
这个实现是一个可靠且极快的一维数据核密度估计器,假设采用高斯核并自动选择带宽。与其他许多实现不同,它不受多模态密度的影响,这种估计不会因数据中存在广泛分离模式而恶化。输入数据为构建密度估计的数据向量,网格点数间隔为2的幂,如果不是2的幂则向上取整为2的下一个幂。默认网格点数为2^12。区间[MIN, MAX]由数据的最小值和最大值确定。输出为自动选择的带宽。
Matlab
1
2024-07-22
估计自相关函数MATLAB中的自相关函数估计方法
给定信号向量“y”,计算其自相关函数的估计值。此方法从延迟1开始,直至延迟$p$,适用于实数或复数信号向量。
Matlab
0
2024-08-25
计算数据集经验概率密度函数估计的MATLAB开发
在过去几十年中,从统计过程中获得的一些经验数据的价值有所不同。现在需要估计这些数据的概率密度函数(PDF),这需要在对数刻度上等分这些值。这一过程简单而高效,适用于处理数百万个数据点。
Matlab
2
2024-07-17
MATLAB开发MO-OFDM信道估计脚本详解
MATLAB开发:MO-OFDM信道估计脚本详解。这是一个专为MIMO-OFDM信道估计设计的MATLAB脚本,支持多输入多输出系统下的信道状态估计。
Matlab
0
2024-08-18
用户范围估计与MATLAB开发
这份文件专为估计用户传播提供MATLAB开发支持。
Matlab
0
2024-08-28
密度峰值引导的非对称多标签相关性Matlab源码
这篇论文的MATLAB代码是关于“密度峰值引导的非对称多标签相关性”的。该代码提供了对应论文的实现。
Matlab
3
2024-07-13
计算拓扑相似度矩阵-W,g,m的matlab开发
函数名:T = getTopologicalSimilarity(W,g,m),从结构网络W计算拓扑相似度矩阵T。该矩阵T通过评估从一个节点到另一个节点的所有路径长度来量化整个网络中节点之间的相似程度。当前代码支持以下相似度测量选项:1. 余弦相似度,2. Pearson相关系数,3. 欧几里德距离。用户可以根据需求选择适合的方法。此外,代码还调用了“getEucliDist.m”函数来辅助计算。
Matlab
2
2024-07-20