EM算法和GMM（中）
【摘要】 GMM，高斯混合模型，也可以简写为MOG。高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。
单高斯，混合高斯，多变量混合高斯
单高斯是一维变量一个模型，混合高斯是一维变量多个模型，多变量混合高斯是多个维度变量多个模型。
GMM的表达式为k个高斯分布的叠加
GMM，高斯混合模型，也可以简写为MOG。高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。
单高斯，混合高斯，多变量混合高斯
单高斯是一维变量一个模型，混合高斯是一维变量多个模型，多变量混合高斯是多个维度变量多个模型。
GMM的表达式为k个高斯分布的叠加
文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。
原文链接：maoli.blog.csdn.net/article/details/89216525
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）