半监督EM算法

最近在做半监督分类，要和常用的半监督分类算法进行比较，因此，需要用常见半监督分类算法的matlab代码

由于以前没做过半监督，看了几篇论文后知道了常用的半监督算法有tsvn,基于生成模型的半监督算法，

感觉tsvm太难了，就想从基于生成模型的半监督算法入手，具体为用基于EM算法的半监督生成模型，这里的生成模型用混合高斯模型

在网上看了很多混合高斯模型的代码，但并没有用于半监督的，看博士论文里面用混合高斯模型如何实现半监督分类，也并不明白。（基础不好，看到数学概率公式就有点蒙，为了毕业看吧）

将半监督混合高斯模型的实现总结如下，再将网上的无监督混合高斯模型的matlab代码进行研究，希望能够得出半监督混合高斯模型的matlab代码

第一篇论文里关于这部分的内容：基于生成模型的半监督模型：该算法首先假设样本由某种分布生成，这里我们用混合高斯模型，然后把未标记样本的条件概率（什么意思，是不是p(y|x)，是不是已知未标记样本的情况下它的类标的概率）看做是缺失参数，利用标记样本和未标记样本（这里问题出现了，如何利用呢？）通过最大期望算法即EM来对生成模型的参数进行估计（什么参数？条件概率吗？）在获得最优参数后即可用于判别未知样本的标签。

第二篇论文里关于这部分的内容：标准EM算法常利用最大似然准则对泛化模型进行参数估计，设数据集X={x1,x2,...xN}中的每个分量都是通过特定分布p(x|)(这些特殊符号怎么输入捏？)进行采样得到的。

则似然函数可定义为：p(x|) 

EM算法是处理数据缺失情况下参数估计的有效手段，设数据集Z包括标记数据集X和未标记数据集Y，Z=（X，Y），