code/get_prob.m

   1 % get_prob - implementation of p(x,s)
   2 %
   3 % usage
   4 %        [value index]=get_prob(x,features,sigma)
   5 % input
   6 %       s - natural number, a height value for which the probability is
   7 %       computed
   8 %       features - parameters of the underlying distribution - odd items
   9 %       are mu_i, even are k_i
  10 %       sigma - variance of a single part of the underlying distribution
  11 %
  12 % output
  13 %       value - value=max{k_i*N(mu_i,sigma)} over all i's, where
  14 %               N denotes normal distribution
  15 %               k_i are even items of vector 'features',
  16 %               mu_i are odd items of vector 'features' and
  17 %               sigma is the variance of a single gaussian
  18 %       index - index=argmax{k_i*N(mu_i,sigma)} over all i's, where all the
  19 %       symbols have the same meaning as they have for the previous output
  20 %       variable
  21
  22 function[value index]=get_prob(s,features,sigma)
  23 %value=0;
  24 %index=0;
  25 %features1=features;
  26 features=features(features>0);
  27 if(isempty(features))
  28   index=0;
  29   value=1;
  30 else
  31     mu=features(1:2:end);
  32   k=features(2:2:end);
  33   ex=((s-mu).^2)/(2*sigma^2);
  34   tmp=log(k)-ex;
  35   index=find(tmp==max(tmp),1);
  36   %value=k(index)*(1/(sqrt(2*3.14159)*sigma))*exp(tmp(index));
  37   value=k(index)*(1/sigma)*exp(tmp(index));
  38 end
  39
  40
  41
  42 %for i=1:2:length(features)
  43 %  if(features(i+1)>0)
  44 %    p=features(i+1)*normpdf(s,features(i),sigma);
  45
  46 %    if(p>value)
  47 %      index=(i+1)/2;
  48 %      value=p;
  49 %    end
  50 %  end
  51 %end
  52 %if(index==0)
  53 %  index=find(abs(features(1:2:end)-s)==min(abs(features(1:2:end)-s)),1,'first');
  54 %  value=1;
  55 %end
  56
  57
  58
  59