最优固定或局部自适应核密度估计
adaptivekde的Python项目详细描述
该软件包实现了一维自适应核密度估计算法 Shimazaki开发的信号。这样可以生成平滑的直方图 在多个尺度上保留重要的密度特征,而不是单纯的 单带宽核密度方法,可以在平滑密度之上或之下 估计。岛崎的论文中描述了这些方法:
H. Shimazaki and S. Shinomoto, “Kernel Bandwidth Optimization in Spike Rate Estimation,” in Journal of Computational Neuroscience 29(1-2): 171–182, 2010 http://dx.doi.org/10.1007/s10827-009-0180-4.
许可证: 此软件包中的所有软件都是根据apache许可证2.0授权的。 有关详细信息,请参见license.txt。
作者: 吉图布岛上的Shimazaki岛 Lee A.D.Cooper(cooperle@gmail.com)Github上的Cooperlab 亚基射线(ray.subhasis@gmail.com)
此包中实现了三种方法: 一。sshist-可用于确定独立 来自底层一维分布的相同分布样本。这个 这里的原则是最小化直方图和 基本分布。
2.sskernel-通过单个全局优化的方法实现核密度估计 带宽。
- ssvkernel-实现局部可变带宽的核密度估计。
依赖项:这个包中的这些函数依赖于numpy进行各种操作 包括快速傅立叶变换和直方图生成。