网上太多讲解例子,反而看的人云里雾里,我用自己的理解,旨在用最少的公式,用最短的时间来理解GMM。讲解不足之处,还望指正。
1.概述
高斯混合模型给出了一些点被分配到每个簇(Cluster)的概率,给出这些点的概率分布有何用呢?它表征了算法对结果的把握程度。如何理解呢,训练后的模型输出不再是一个具体值,不再是唯一决策函数y=f(x)作用后的唯一值,而是一系列概率值。举个例子,数据点集或者点云中的某一点,比如红色和蓝色簇边缘的那些点,既有可能属于蓝色簇,也有可能属于红色簇。函数作用后,分配到某一概率只是一个概率情况。点云的输出聚类情况,本来就是用来给控制模块去决策,输出不同簇的概率分布情况后,由后续控制模块通过融合其他诸如camera的识别概率来决策。
![808750bfb7455b1632b3bf07ab95e07c.png](https://img-blog.csdnimg.cn/img_convert/808750bfb7455b1632b3bf07ab95e07c.png)
2.单高斯模型还是高斯混合模型
单高斯模型是指,数据集内分布的点,只有一个高斯分布即可覆盖。遵从如下概率分布函数,
![5177da1b8d88d44e071f08d03e353ff6.png](https://img-blog.csdnimg.cn/img_convert/5177da1b8d88d44e071f08d03e353ff6.png)