em算法
文章平均质量分 95
hadoove
这个作者很懒,什么都没留下…
展开
-
EM算法之高斯混合模型(二)
EM参数求解我们将GMM带入θ(g+1)\theta^{(g+1)}中 θ(g+1)=argmaxθ∫zln{P(X,z|θ)P(z|X,θ(g))}dz(6.1) \theta^{(g+1)} = {argmax}_\theta\int_zln\left\{P(X,z|\theta)P(z|X,\theta^{(g)})\right\}dz \quad(6.1) 其中 P(Z|X,θ(g)原创 2017-11-23 17:26:53 · 309 阅读 · 0 评论 -
EM算法之高斯混合模型(一)
单个高斯模型如果我们有一堆数据,其分布属于一个高斯模型,那么有 p(X)=N(x|μ,Σ)=1(2π)m|Σ|‾‾‾‾‾‾‾‾√exp[−12(x−μ)TΣ−1(x−μ)](1.1) p(X) = N(x|\mu,\Sigma) = \frac1 {\sqrt{(2\pi)^m|\Sigma|}}exp[-\frac1 2(x-\mu)^T\Sigma^{-1}(x-\mu)] \quad(1.原创 2017-11-20 21:56:14 · 679 阅读 · 0 评论