GMM高斯模型以及EM算法的介绍

GMM模型实现

基于阈值分割算法，对混合高斯模型的算法进行了改进。

java编写的EM求解高斯混合分布的代码，有运行截图

为了解决传统高斯混合模型中期望值EM处理必须具备足够数量的样本才能开始训练的问题，提出了一种新的高斯混合模型在线增量训练算法。本算法在Ueda等人提出的Split-and-MergeEM方法基础上对分

传统的聚类算法如k - m eans算法需要一些先验知识来确定初始参数,初始参数的选择通常会对聚类结果生产很大的 影响。提出一种新的基于模型的聚类算法,通过优化给定的数据和数学模型之间的适应性发现数据

EM clustering algorithm, detailing the EM algorithm in data mining

基于EM算法的非高斯噪声参数估计，是最大期望算法的一片应用性文章

Two-dimensional mixed Gaussian distribution EM algorithm

混合高斯模型是一种经典的背景建模算法，用于背景相对稳定情况下的运动目标检测。它由单高斯模型发展而来，对于多模态的背景有一定的鲁棒性，如：树叶晃动、水纹波动等。主要介绍单高斯模型和混合高斯模型。

刚开始学的一种好的方法 里面的东西，是在matlab中使用的