三维点云处理第三章--EM算法（Expectation-Maximization）

EM算法包括前面的E-step和M-step。EM算法想要解决的就是，给定一堆数据点，有一个模型，这个模型的参数是未知的，我们想要用最大似然的方法来估算出模型的参数。直接计算比较难，所以引入一个latent variables Z,Z就是一个点属于哪一个类的概率，P(z)就是一个点属于哪一个类的概率。第一步E-step，固定，算latent variables的概率，也就是GMM里面的后验概率。第二步M-step,构造Q函数，是关于Z概率的对数函数的期望值，最大化Q函数可以间接的去最大化我想要目标函数P(x|) ，最大化Q函数后就得到一个新的，把它复制到旧的里面，然后重复E-step.M-step。

 GMM回顾

 同理，有

 求得期望值

 优化结果

 总结：1直接用最大似然去优化函数，2EM算法：构造Q，优化Q函数。