高斯混合模型Gaussian Mixture Model (GMM)
2024-04-07 21:18:31
混合高斯模型GMM是指对样本的概率密度分布进行估计，而估计采用的模型（训练模型）是几个高斯模型的加权和（具体是几个要在模型训练前建立好）。每个高斯模型就代表了一个类（一个Cluster）。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。
理论上可以通过增加Model的个数，用GMM近似任何概率分布。在做参数估计的时候，常采用的是最大似然方法。最大似然法就是使样本点在估计的概率密度函数上的概率值最大。对于高维数据，GMM可能会表现不佳。
最新文章
- awk应用
- Binary Agents
- location of the android sdk has not been setup in the preferences
- ios-自定义alertView提示框
- int *p()与int (*p)()的区别
- Qt界面美化 QSS
- TCP/IP详解学习笔记(8)-DNS域名系统
- codevs1051单词接龙（栈）
- 如何在WP8模拟器中连接本地的web服务
- STL之priority_queue为复合结构排序
- STM32串口乱码
- RabbitMQ-从基础到实战（3）— 消息的交换
- PHP appserv + ZendStudio12.5.1 + 注册码
- Two Sum（两个数的相加）
- Mysql--七种 Join 查询
- Linux 软硬链接的区别及目录权限对软硬链接的影响
- array_multisort以及php中的排序函数
- tmux 快捷操作
- HttpServletRequest -- 获取请求主机真实的IP地址
- 函数对象（functional）