高斯混合模型及求解算法-王殿元-2019-2-17-19_00_00.pdfVIP

ThenameoftheDepartment

BeijingForestStudio

部门名称

北京理工大学信息系统及安全对抗实验中心

高斯混合模型及求解算法

硕士研究生王殿元

2019年2月17日

内容提要

•基本概念

–高斯分布

–高斯混合模型

–最大似然估计

–非凸优化方法

•算法原理

–EM算法

•参考文献

2

预期收获

•预期收获

–1.了解高斯混合模型概念及定义

–2.了解常用的非凸优化方法

–3.理解EM算法原理及在GMM中的应用

3

高斯混合模型及求解算法

基本概念

基本概念

–高斯分布也称正态分布，是一种在自然界大量的存在的、最为常见的分布形式，

(−)2

1−

概率密度函数p(x)=22

2

2

一维身高数据随机采样

=334,=180

5

基本概念

–高斯混合模型(Gaussianmisturemodel，GMM)是对高斯模型进行简单的

扩展，使用多个高斯分布的组合来刻画数据分布。

1=·1+·1+···+·1

12k

(−)2

−

122

概率密度函数p(x)=e.g.=1