假定有N个样本,,高斯模型的个数为K,则混合高斯模型可以定义为:
其中,表示第k个分布的概率密度,表示第k个分布的权重。
迭代求解一般分为两个步骤,第一步使用上一步中的各个参数去估计高斯模型的权重,第二步使用估计的权重去确定高斯模型的参数。首先对于第i个样本来说,它由第k个模型生成的概率为:
然后根据上面计算出来的权重,采用最大似然估计方法计算各个分布的参数,具体如下:
其中,分别为第个分本的均值和方差。按照以上两步迭代计算直至收敛为止。
假定有N个样本,,高斯模型的个数为K,则混合高斯模型可以定义为:
其中,表示第k个分布的概率密度,表示第k个分布的权重。
迭代求解一般分为两个步骤,第一步使用上一步中的各个参数去估计高斯模型的权重,第二步使用估计的权重去确定高斯模型的参数。首先对于第i个样本来说,它由第k个模型生成的概率为:
然后根据上面计算出来的权重,采用最大似然估计方法计算各个分布的参数,具体如下:
其中,分别为第个分本的均值和方差。按照以上两步迭代计算直至收敛为止。