Bayesian_estimate .m

贝叶斯估计（Bayesian estimation）是利用贝叶斯定理结合新的证据及以前的先验概率，来得到新的概率。它提供了一种计算假设概率的方法，基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身。

function [mu sigma] = Bayesian_parameter_est（train_patterns train_targets sigma）
train_patterns=[35 53 55 46 72 76 49;
    46 67 65 63 67 80 56;
    49 57 60 50 70 75 60;
    44 55 57 59 76 78 54];
train_targets=[52 63 53 55 71 91 59;37 50 52 61 63 76 45];

% Estimate the mean using the Bayesian parameter estimation for Gaussian mixture algorithm估计平均值，用贝叶斯参数的估计作为简缩高斯函数集算法
% Inputs:
% 	patterns	- Train patterns
%	targets	- Train targets
%	sigma		- The covariance matrix for each class 每一类矩阵的协方差
%
% Outputs
%	mu			- The estimated mean 平均值
%	sigma		- The estimated covariances 协方差

[NM] = size（train_patterns）;
Uclasses = unique（train_targets）;
Nuc = length（Uclasses）;

%Find initial estimates for mu and sigma for the classes
mu0	= zeros（Nuc N）;
sigma0 = zeros（Nuc N N）;
for i = 1:Nuc
    indices	= find（train_targets == Uclasses（i））;
    mu0（i:） = mean（train_patterns（:indices）‘）;
    sigma0（i::）