GMM(高斯混合模型)
来源:互联网 发布:实名淘宝小号单个购买 编辑:程序博客网 时间:2024/06/05 10:54
高斯混合模型--GMM(Gaussian Mixture Model)
首先,我们先来了解一下,什么是高斯分布。
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。
若随机变量
从上边的这个公式,我们就能知道,高斯分布完全由 和来确定的。
为了能够进一步描述这个关系,我们可以这么表示P(X|,)。
下面我们就讲解什么是高斯混合模型:
我们大家从名字就能大致了解什么是高斯混合模型,没错,就是我们把多个单一的高斯分布,组合在一起,就是高斯混合模型。定义如下:
我们首先要知道GMM是一种聚类的算法,是通过概率的方式,来进行簇的划分,说到这,估计大家会自然想到还有一个比较常用的聚类算法,没错就是你们想的 K-means聚类算法。
这里大致讲解一下K-means的大致思想:
先设置几个类也就是簇K,比如K=3,先为每个簇初始化一个簇中心,我们正常选取的是随机选取一个样本,然后计算每个样本点,到这三个簇中心的欧氏距离,选取样本距离簇中心最近的,就把这个归到这个簇中。
看看两个的区别:
如上图所示:
左边的图:新的样本点不断计算与其他簇中心的距离,右边的图:新的样本点不断计算与其他component的概率。
K-means就是不断迭代相互之间的距离,选取那个最小的距离作为自己的类。而GMM是不断迭代样本点分别属于每个component的概率,选取最大的概率那个作为自己的类
阅读全文
0 0
- 混合高斯模型GMM
- 混合高斯模型GMM
- GMM高斯混合模型
- GMM混合高斯模型
- GMM(高斯混合模型)
- 混合高斯模型GMM
- 高斯混合模型GMM
- GMM高斯混合模型
- 高斯混合模型--GMM
- 混合高斯模型GMM
- 混合高斯模型GMM
- 混合高斯模型GMM
- 高斯混合模型 GMM
- 高斯混合模型GMM
- 高斯混合模型GMM
- 高斯混合模型--GMM
- GMM(高斯混合模型)
- 高斯混合模型(GMM)
- jpa 和hibernate 关系
- kafka多线程消费及处理和手动提交处理方案设计
- 输出100以内的所有素数
- cannot change DocValues type from SORTED_SET to NUMERIC for field xxx
- 二维拉普拉斯方程的数值解法
- GMM(高斯混合模型)
- 面向对象的特征
- Hibernate之框架简介以及环境配置说明
- TensorFlow学习日记11
- Dijkstra HDU 1874
- 连接到 Azure 上的 SQL Server 虚拟机(经典部署)
- 【TCP/IP】ubuntu中,wireshark启动提示:Lua: Error during loading: [string "/usr/share/wireshark/init.lua"]:46
- PHPquery php爬虫
- java开发常用词汇01