高斯混合模型Gaussian Mixture Model (GMM)
2016-12-08 17:51
246 查看
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。
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。
相关文章推荐
- 高斯混合模型Gaussian mixture model(GMM)
- 高斯混合模型(Gaussian Mixture Model,GMM)
- GMM, Gaussian Mixture Model, 高斯混合模型
- GMM, Gaussian Mixture Model, 高斯混合模型
- 高斯混合模型Gaussian Mixture Model (GMM)——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
- GMM(Gaussian mixture model, 高斯混合模型)
- GMM, Gaussian Mixture Model, 高斯混合模型
- 机器学习:Gaussian Mixture Model (GMM)高斯混合模型
- 高斯混合模型--GMM(Gaussian Mixture Model)
- GMM, Gaussian Mixture Model, 高斯混合模型
- GMM, Gaussian Mixture Model, 高斯混合模型
- 高斯混合模型--GMM(Gaussian Mixture Model)
- GMM(Gaussian Mixture Model),高斯混合模型
- 高斯混合模型GMM(Gaussian Mixture Model)
- 高斯混合模型(Gaussian Mixture Model)
- Gaussian Mixture Model(GMM)探索
- 高斯混合模型解析(Gaussian Mixture Module GMM)
- 前景背景分离方法(二)高斯混合模型法GMM(Gaussian Mixture Model)
- GMM(Gaussian Mixture Model)
- [GMM]Gaussian Mixture Model