高斯混合模型

高斯混合模型(GMM)是一种通过多个高斯概率密度函数表示数据的模型,常用于机器视觉中的数据建模。它涉及数学推导、EM算法及代码实现。在E-Step中估计数据属于各成分的概率,M-Step则最大化似然函数以更新参数。GMM相比于K-means,其优点在于能给出样本属于各类别的概率,但计算复杂度较高,且在颜色相似场景下可能误判。
摘要由CSDN通过智能技术生成

                                                                                                高斯混合模型

1、定义:

     高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型


2、数学推导:

主要更新参数:均值μ      方差∑

设有一组数据x,其中隐含一随机过程z,x与z之间有join概率, 

且满足联合分布:

Z服从多项式分布:

                               

在Z给定的情况下,X服从正态分布:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值