Yemiekai的博客

定义，性质定义 设 EEE 是随机试验，SSS 是它的样本空间。   对于 EEE 的每一个事件 AAA 赋予一个实数，记为 P(A)P(A)P(A)，称为事件 AAA 的概率。   如果集合函数 P( ⋅ )P(\, \boldsymbol{\cdot} \,)P(⋅) 满足下列条件：   1∘1^{\circ}1∘ 非负性： 对于每一事件 AAA，有 P(A)⩾0P(A) \geqslant 0P(A)⩾0；   2∘2^{\circ}2∘ 规范性： 对于必然事件 SSS，有 P(S)=1P(

本文是关于 coursera 上 《Robotics: Estimation and Learning》 课程的笔记。前面讲了一维和多维高斯分布的相关知识。但是在某些情况下，使用 单高斯模型(Gaussian single model, GSM） 会有一些局限。在现实世界中我们需要学习的目标可能符合这样的分布 ：如上图所示，当你用单高斯模型去拟合它时，得到这样的曲线。显然它不能很好地表征目标。这样的目标有多种模式，或者缺乏对称性。你将看到混合高斯模型的表现力则很好，好到可以建模任意的.

一维高斯分布一维高斯分布（Gaussian Distribution）的概率密度函数如下：p(x)=12πσexp⁡{−(x−μ)22σ2}p(x)=\frac{1}{\sqrt{2\pi} \sigma} \exp \left\{ - \frac{(x-\mu)^2}{2\sigma^2} \right\}p(x)=2π​σ1​exp{−2σ2(x−μ)2​}高斯分布非常有用，而且非常重要：∙\bullet∙ 描述高斯分布只需要 2 个参数，均值 μ\muμ 和 方差 σ2\sigma^2σ2，