实战EM算法与图像分割

EM算法用于从非完整数据中估计参数,适用于图像分割和无监督聚类。在图像分割中,每类像素被视为服从高斯分布,通过EM算法估计高斯参数。初始化参数对结果至关重要,不合适的初始值可能导致较差的分割效果。文章通过实例展示了在MATLAB中实现EM算法的过程,并观察均值和方差随迭代变化的情况。
摘要由CSDN通过智能技术生成

EM 算法是求参数极大似然估计的一种方法,它可以从非完整数据集中对参数进行估计,是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据,可以具体来说,我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。

贴相关几个好文章:从最大似然到EM算法浅解

混合高斯模型(Mixtures of Gaussians)和EM算法

斯坦福大学机器学习——EM算法求解高斯混合模型

关于算法的原理推导上面文章介绍的很详细了,在这里再白话一下个人认识的关键几点:

(1)我们要估计的是什么?估计的是未知的参数,谁的参数?你认为你的数据符合的模型的参数,那么就需要认识到我们的数据符合什么模型。看到许多用的都是数据符合高斯(混合)模型,公式也就是正态分布的那个公式:

P(x)=1
评论 12
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