Kernel Density Estimator是一种高效可靠的核密度估计方法，特别适用于一维数据，并为MATLAB开发。

简介：
该方法提供了一个可靠且速度极快的单维数据核密度估计器。其核心假设采用高斯核函数，并具备自动选择带宽的特性。与其他许多实现不同，该实现并未受到多模态密度问题的影响，即使问题中存在具有广泛分离模式的多模态密度分布。值得注意的是，由于我们始终不预设数据的参数模型（例如经验法则所使用的模型），因此多模态密度的估计不会导致性能下降。输入参数包括：数据——用于构建密度估计的向量；n——网格点数间隔，位于 [MIN, MAX] 范围内，必须是 2 的幂次方；如果 n 不是 2 的幂，则将其向上取整至 2 的下一个幂，默认值为 n=2^12；MIN, MAX——定义用于构建密度估计的区间 [MIN, MAX]。默认情况下，MIN 和 MAX 的值分别设置为 MIN=min(data)-Range/10 和 MAX=max(data)+Range/10，其中 Range 定义为 max(data)-min(data)。输出结果为：带宽——最佳带宽值。