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，文中涉及到公式的推导比较繁琐，故先在纸上推导出来再拍照发出来。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
关于二维高斯分布的参数设定对为高斯曲面的影响，可以参考这篇文章（二维高斯分布的参数分析）
（以上两条是基础，为了下面做铺垫，接下来我将通过例子引出高斯混合模型。）
3.高斯混合模型（GMM）
为什么会有高斯
2021-10-29 15:06:38
1.44MB
1
这个脚本可以很容易地转换为一个函数，它可能是优化问题中非常有用的子程序，用于检查目标函数是否全局凸。 它还可用于导出给定多维实值函数的梯度和 Hessian 表达式，并在输入点给出它们的值。 它使用 Sylvester 标准来检查 Hessian 的正定性，因为它检查 Hessian 的所有主要次要是否都是正的。
2021-09-11 21:29:27
2KB
1
普林斯顿大学电力电子系教授Mung Chiang
关键词：非凸优化、几何规划、半定规划、对偶、 Sum of squares、TCP/IP、无线网络、功率控制
2021-08-03 16:19:16
423KB
1