2024-06-28 19:02:34 发布
网友
我在3d空间中有很多点(笛卡尔x,y,z),我想拟合一个椭球体 以确定轴比。这里的问题是,我有点的分布(不是表面上的点),并且这个问题的解决方案主要考虑表面上的点。这也适合迭代(像一些优化或mcmc类型的方法),我在Python中工作
我正在使用的代码在下面的答案中给出:Python: fit 3D ellipsoid (oblate/prolate) to 3D points
但这不适用于我(我认为这是针对椭球表面上的点)。但我有更多的密度分布点,而不是表面点
我假设您不是在寻找最紧密的边界椭球,也不是基于“外部”点的某个最佳拟合椭球(例如在凸面外壳上拟合的椭球)
我知道你是在追求一个分布,即坐标的单位和正函数,你希望它具有“椭球”对称性,因此等概率点的轨迹是椭球
如果你假设你的分布是多元正态分布
P(p) = c.exp(-(p-µ)^T M (p-µ)/2)
然后M是协方差矩阵的逆矩阵µ是平均向量
M
µ
我假设您不是在寻找最紧密的边界椭球,也不是基于“外部”点的某个最佳拟合椭球(例如在凸面外壳上拟合的椭球)
我知道你是在追求一个分布,即坐标的单位和正函数,你希望它具有“椭球”对称性,因此等概率点的轨迹是椭球
如果你假设你的分布是多元正态分布
然后
M
是协方差矩阵的逆矩阵µ
是平均向量相关问题 更多 >
编程相关推荐