高斯混合模型算法.pdfVIP

下面介绍一下几种典型的机器算法 首先第一种是高斯混合模型算法: 高斯模型有单高斯模型（SGM）和混合高斯模型（GMM ）两种。 （1）单高斯模型： 为简单起见，阈 t 的选取一般靠经验值来设定。通常意义下，我们一般取 t=0.7-0.75之间。 二维情况如下所示： （2 ）混合高斯模型： 对于(b) 图所示的情况，很明显，单高斯模型是无法解决的。为了解决这个问题，人 们提出了高斯混合模型（GMM ），顾名思义，就是数据可以看作是从数个高 斯分布中生成 出来的。虽然我们可以用不同的分布来随意地构造 XX Mixture Model ，但是 GMM 是 最 为流行。另外，Mixture Model 本身其实也是可以变得任意复杂的，通过增加 Model 的个 数，我们可以任意地逼近任何连续的概率密分布。 每个 GMM 由 K 个 Gaussian 分布组成，每个 Gaussian 称为一个“Component” ，这 些 Component 线性加成在一起就组成了 GMM 的概率密度函数：