多变量高斯分布之间的KL散度(KL Divergence)
来源:互联网 发布:人人字幕组 知乎 编辑:程序博客网 时间:2024/06/09 13:40
单变量高斯分布的概率密度函数如下(均值:u,方差:
多变量高斯分布(假设n维)的概率密度函数如下(均值:u,协方差矩阵:
在公式推导之前,首先介绍一些用到的性质。
矩阵的迹的性质:
(1)tr(αA+βB)=αtr(A)+βtr(B)
(2)tr(A)=tr(AT)
(3)tr(AB)=tr(BA)
根据性质(3)可以得到性质(4)
(4)tr(ABC)=tr(CAB)=tr(BCA) 在推导公式过程中,使用到的一个重要的trick如下:
对于列向量λ ,公式λTAλ 的结果是一个标量,所以:
λTAλ=tr(λTAλ)=tr(AλλT) 多变量分布中期望
E 与协方差Σ 的性质:
(1)E[xxT]=Σ+uuT
证明:Σ=E[(x−u)(x−u)T]=E[xxT−xuT−uxT+uuT]=E[xxT]−uuT−uuT+uuT=E[xxT]−uuT
(2)E(xTAx)=tr(AΣ)+uTAu
证明:
因为xTAx 的结果是一个标量,利用前面提到的trick,可得:
E(xTAx)=E[tr(xTAx)]=E[tr(AxxT)]=tr[E(AxxT)]=tr[AE(xxT)]=tr[A(Σ+uuT)]=tr(AΣ)+tr(AuuT)=tr(AΣ)+tr(uTAu)=tr(AΣ)+uTAu
这里主要讲述多变量高斯分布的KL散度。
连个分布和的的KL散度定义如下:
阅读全文
0 0
- 多变量高斯分布之间的KL散度(KL Divergence)
- KL Divergence(KL散度)
- KL 散度( KL-Divergence)
- KL Divergence KL散度
- KL散度 kl divergence
- KL Divergence(KL 散度)
- python 3计算KL散度(KL Divergence)
- KL散度(Kullback–Leibler divergence)
- KL divergence
- KL divergence
- KL divergence
- KL散度(Kullback-Leibler Divergence)
- KL散度(Kullback-Leibler divergence)
- Kullback–Leibler divergence(相对熵,KL距离,KL散度)
- KL距离,Kullback-Leibler Divergence 浅谈KL散度
- Kullback–Leibler divergence KL散度
- KL距离(Kullback-Leibler Divergence)
- (转载)KL距离,Kullback-Leibler Divergence
- Unity自学之路(1)
- Python3-reload
- 控件注解
- 移动H5前端性能优化指南
- 从大量数据中取最小的前k个数
- 多变量高斯分布之间的KL散度(KL Divergence)
- 简单实现网页选项卡功能
- ubuntu14.04安装opencv3.1.0
- jvm 查看当前java进程的启动参数
- ORA-01034和ORA-27101的解决方法
- Backpropagation算法
- 关于JMeter线程组中线程数,Ramp-Up Period,循环次数之间的设置概念
- string中的find函数和string::npos的使用
- Swagger