THESE/codes/graphe/Ncut_9/gaussian.m

   1 function p=gaussian(x,m,C);
   2 % p=gaussian(x,m,C);
   3 %
   4 % Evaluate the multi-variate density with mean vector m and covariance
   5 % matrix C for the input vector x.
   6 %
   7 % p=gaussian(X,m,C);
   8 %
   9 % Vectorized version: Here X is a matrix of column vectors, and p is
  10 % a vector of probabilities for each vector.
  11 % Jianbo Shi, 1997
  12 d=length(m);
  13
  14 if size(x,1)~=d
  15    x=x';
  16 end
  17 N=size(x,2);
  18
  19 detC = det(C);
  20 if rcond(C)<eps
  21 %   fprintf(1,'Covariance matrix close to singular. (gaussian.m)\n');
  22    p = zeros(N,1);
  23 else
  24    m=m(:);
  25    M=m*ones(1,N);
  26    denom=(2*pi)^(d/2)*sqrt(abs(detC));
  27    mahal=sum(((x-M)'*inv(C)).*(x-M)',2);   % Chris Bregler's trick
  28    numer=exp(-0.5*mahal);
  29    p=numer/denom;
  30 end
  31