GMM(高斯混合模型)和EM算法

本文集合了多个资源,深入讲解了高斯混合模型(GMM)和期望最大化(EM)算法。从EM算法的基本原理到GMM的详细解释,包括一维和多维高斯模型的应用,以及相关概率密度函数的推导,全面阐述了这两个概念。通过阅读,读者可以对GMM和EM算法有深入理解。
摘要由CSDN通过智能技术生成

 

1.EM算法原理总结:https://www.cnblogs.com/pinard/p/6912636.html

2.EM算法:https://blog.csdn.net/u010834867/article/details/90762296

3. GMM(高斯混合模型)和EM算法:https://blog.csdn.net/weixin_38206214/article/details/81064625

4.高斯混合模型(GMM)及其EM算法的理解:https://blog.csdn.net/jinping_shi/article/details/59613054?utm_medium=distribute.pc_relevant_t0.none-task-blog-OPENSEARCH-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-OPENSEARCH-1.control

5.详解EM算法与混合高斯模型(Gaussian mixture model, GMM) :https://blog.csdn.net/lin_limin/article/details/81048411?ops_request_misc=%25257B%252522request%25255Fid%252522%25253A%252522160976216316780257440168%252522%25252C%252522scm%252522%25253A%25252220140713.130102334.pc%25255Fall.%252522%25257D&request_id=160976216316780257440168&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-1-81048411.pc_search_result_cache&utm_term=%E6%B7%B7%E5%90%88%E9%AB%98%E6%96%AF%E6%A8%A1%E5%9E%8B

6.多维高斯随机变量概率密度函数(PDF)的推导 :https://blog.csdn.net/wmorries/article/details/103208251?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161000569916780264643713%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161000569916780264643713&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-1-103208251.pc_search_result_cache&utm_term=%E5%A4%9A%E7%BB%B4%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F%E7%9A%84%E8%81%94%E5%90%88%E6%A6%82%E7%8E%87%E5%AF%86%E5%BA%A6%E5%87%BD%E6%95%B0&spm=1018.2226.3001.4187

7.一维(多维)高斯模型(One(Multi)-dimensional Gaussian Model) 高斯混合模型GMM(Gaussian Mixture Model):https://blog.csdn.net/qq_37692302/article/details/91645379

8.一文读懂EM期望最大化算法和一维高斯混合模型GMM :https://blog.csdn.net/python_ai_road/article/details/108178307

9.如何求解多维正态随机变量的概率密度函数:https://zhuanlan.zhihu.com/p/58987388

10.逆矩阵算法 :https://blog.csdn.net/zmazon/article/details/8241348

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值