### MATLAB 实现 以下是基于 MATLAB 的高斯径向基函数 (Gaussian Radial Basis Function, RBF) 的实现： ```matlab function phi = gaussian_rbf(x, c, epsilon) % GAUSSIAN_RBF Computes the Gaussian radial basis function. % % Inputs: % x : Input vector or scalar. % c : Center of the RBF. % epsilon : Shape parameter controlling the width of the Gaussian. phi = exp(-epsilon * norm(x - c)^2); end ``` 此代码定义了一个名为 `gaussian_rbf` 的函数，它接受输入变量 \(x\)、中心位置 \(c\) 和形状参数 \(\epsilon\)。该函数通过计算欧几里得范数并将其平方乘以负的形状参数来生成高斯 RBF 值。 为了测试这个函数，可以运行以下脚本： ```matlab x = linspace(0, 10, 100); % 输入数据范围 c = 5; % 中心位置 epsilon = 0.1; % 形状参数 phi_values = arrayfun(@(xi) gaussian_rbf(xi, c, epsilon), x); figure; plot(x, phi_values, 'b-', 'LineWidth', 2); title('Gaussian RBF'); xlabel('Input Value (x)'); ylabel('Phi Values (\phi)'); grid on; ``` --- ### Python 实现 下面是等效的 Python 版本实现： ```python import numpy as np import matplotlib.pyplot as plt def gaussian_rbf(x, c, epsilon): """ Compute the Gaussian radial basis function. Parameters: x : Input vector or scalar. c : Center of the RBF. epsilon : Shape parameter controlling the width of the Gaussian. Returns: Phi value computed using the Gaussian RBF formula. """ return np.exp(-epsilon * np.linalg.norm(x - c)**2) # Example usage x = np.linspace(0, 10, 100) # Input data range c = 5 # Center position epsilon = 0.1 # Shape parameter phi_values = np.array([gaussian_rbf(xi, c, epsilon) for xi in x]) plt.figure(figsize=(8, 6)) plt.plot(x, phi_values, 'b-', linewidth=2, label='Gaussian RBF') plt.title('Gaussian Radial Basis Function', fontsize=14) plt.xlabel('Input Value (x)', fontsize=12) plt.ylabel('Phi Values ($\phi$)', fontsize=12) plt.grid(True) plt.legend(fontsize=12) plt.show() ``` 在此代码中，`np.linalg.norm` 函数用于高效地计算两个矢量之间的欧几里得距离[^1]。随后，利用指数运算符 (`exp`) 来完成最终的高斯 RBF 计算。 --- ### 高斯 RBF 的核心公式解释 高斯 RBF 的通用形式如下所示： \[ \phi(r) = e^{-\epsilon \|x-c\|^2} \] 其中： - \(r\) 是两点间的欧几里得距离； - \(x\) 表示输入样本点； - \(c\) 表示 RBF 的中心位置； - \(\epsilon\) 控制着高斯曲线的宽度和陡峭程度[^3]。 这种函数广泛应用于插值问题以及机器学习中的核方法，因为它能够很好地捕捉局部特征，并且具有平滑特性[^2]。 ---