![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GMM
zeronose
这个作者很懒,什么都没留下…
展开
-
关于GMM中的数学基础
小白一枚,接触到GMM(Gaussian mixture model,高斯混合模型),遇到很多概率论和数理统计的知识,在此记录,如有错误,欢迎指正,希望大家多多交流,共同进步。随机变量定义:设随机试验的样本空间为S={e}, X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。理解:样本空间中的每一个样本都对应着一个数。离散型变量(或取值个数有限的变量):取值...原创 2020-03-04 02:30:40 · 912 阅读 · 1 评论 -
GMM之隐变量
小白一枚,补充一下隐函数的知识,如有错误,欢迎大家交流指出。GMM之隐变量在GMM中,我们会用到隐变量这个概念,那么隐变量到底是什么?它的作用是什么呢,接下来我们具体分析。1. 为什么要引入隐变量Z?如图所示,这是一个二维的高斯混合模型,图上为很多的样本,我们以红色的样本为例。我们想知道红色的样本属于哪一个高斯分布(C1还是C2),事实上,这个红色样本是既属于C1也属于C2的,只不过属于...原创 2020-03-14 01:15:44 · 1656 阅读 · 0 评论 -
高斯混合模型(GMM)和EM算法详解
小白一枚,接触到GMM和EM,现将学习到的整理出来,如有错误,欢迎指正,希望大家多多交流,共同进步。接下来将按照思路一步一步进行介绍。1. 单高斯模型GSM(一维)单高斯模型很简单,大家也很清楚,这里不做过多的解释,如不明白可自行百度。如图概率密度函数为:2.单高斯模型(多维,以二维为例)二维高斯分布图像如下...原创 2020-03-09 02:27:49 · 11514 阅读 · 4 评论