混合高斯模型（GMM）原理及应用场景（代码在文末，可直接复制粘贴使用）

埃菲尔铁塔_CV算法

于 2024-12-20 16:22:28 发布

阅读量655

点赞数 15

分类专栏：计算机视觉算法文章标签：人工智能机器学习 matlab

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/m0_44975814/article/details/144613670

版权

计算机视觉算法专栏收录该内容

25 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

一、混合高斯模型原理

（一）基本概念

高斯分布（正态分布）
- 高斯分布是一种非常重要的概率分布，其概率密度函数为 $N(x|\mu,\sigma^{2})=\frac{1}{\sqrt{2\pi}\sigma}\exp\left(-\frac{(x - \mu)^{2}}{2\sigma^{2}}\right)$ ，其中 $\mu$ 是均值，它决定了分布的中心位置； $\sigma^{2}$ 是方差，它决定了分布的宽度。例如，在一个班级学生的考试成绩分布中，如果成绩大致符合高斯分布，均值

了解本专栏

超级会员免费看

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。