混合高斯模型（GMM）

最新推荐文章于 2019-03-20 19:59:41 发布

VIP文章 Fishmemory

最新推荐文章于 2019-03-20 19:59:41 发布

阅读量1.6k

点赞数

分类专栏：机器学习文章标签：机器学习混合高斯模型

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Fishmemory/article/details/52993029

版权

1.GMM模型
单高斯模型的基本表达式为，

N (x; μ, Σ) = 1 2 π | Σ | - - - - - \sqrt e x p [- 1 2 (x - μ) T Σ - 1 (x - μ)]

$N(x;\mu,\Sigma)=\frac{1}{\sqrt{2\pi |\Sigma|}} exp{[-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu)]}$
其中，

μ $\mu$ 和

Σ $\Sigma$ 分别表示数据的期望和方差参数，

x $x$ 是d维的列向量。
为了使得高斯模型适用于模式分类，假设训练样本属于类别C，那么可求未知样本

xi $x_i$ 属于类别C的概率为，

N (x i / C) = 1 2 π | Σ c | - - - - - \sqrt e x p [- 1 2 (x i - μ c) T Σ

最低0.47元/天解锁文章

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
混合高斯模型（GMM）

1.GMM模型介绍GMM（混合高斯模型）的基本表达形式，以及如何求解GMM的参数列表
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。