此提交提供了一些用于操作排列（顺序、排名）集（或配置文件）的工具。 函数的帮助中提供了基本理论和参考资料。 PermutationDistance 计算排列或排列组之间的 Kendall tau 距离（或交换或冒泡排序距离）。 MedianPermutation 计算使 Kendall tau 距离之和最小的阶（或多个阶）。 这是 Kemeny-Young 订单，它具有作为共识订单的理想特性。 然而，这是一个计算困难的问题。 这种实现使用了文献中的各种想法来提高效率，但进行了精确的计算，因此它可以处理的排列的长度和数量受到限制。 它在我们的数据上成功运行（作为下面聚类算法的一部分）：长度为 15 的 20 个左右排列的集合。 MallowsClustering 使用参数指数模型（Mallows phi 分布）运行期望最大化 (EM) 算法，以找到表示数据的“最佳”混合模型。 这使用（加权）

这几天把EM算法(Expectation Maxinum)反复琢磨了几遍，经过几次讨论，对EM算法的数学模型有了比较深入的理解。考虑到： 1. 这个算法在Machine Learning中极其重要，也是进行Machine Learning深入研究的一个重要阶梯 2. 这个算法确实需要一定的概率和数学基础 3. 中文或翻译的教材似乎没有很好的解释清楚这个算法 于是我根据Pattern Recogition and Machine Learning一书相关章节的内容，结合自己的理解，写了一套中文的EM算法介绍和分析。又混合高斯模型开始，由浅入深，逐步讲解了EM算法在混合高斯模型应用和一般化描述。自己感觉还是比较容易理解的。 如果发现pdf中有什么问题，或有什么错误，请直接与我联系，欢迎讨论。 要下载最新的版本请到http://glatteis.spaces.live.com

高斯混合模型的期望最大化算法的实现， 考虑 20 个点的数据并使用 EM 算法使用两个高斯分布对该数据进行建模

在这个项目中，我们研究了隐马尔可夫随机场 (HMRF) 模型及其期望最大化 (EM) 算法。 我们使用 HMRF-EM 框架实现了一个名为 HMRF-EM-image 的 MATLAB 工具箱，用于二维图像分割。 该工具箱还实现了边缘优先保留的图像分割，并且可以轻松地针对其他问题重新配置，例如 3D 图像分割。 文件： https : //arxiv.org/pdf/1207.3510.pdf

我们为面板数据开发了一个广义动态因子模型，目的是估计未观察到的指数。 虽然在动态因子分析的文献中已经开发了类似的模型，但我们的贡献是三方面的。 首先，与在每个时间段测量同一主题的多个属性的简单动态因素分析相反，我们的模型还考虑了多个主题。 因此它适用于面板数据框架。 其次，我们的模型为每个时间段的每个受试者估计了一个独特的未观察到的指数，这与之前使用所有受试者通用的时间指数的工作相反。 第三，我们开发了一种新颖的迭代估计过程，我们称之为两周期条件期望最大化 (2CCEM) 算法，并且足够灵活以处理各种不同类型的数据集。 该模型应用于测量与供水和卫生设施运营相关的属性的面板上。

提出了基于直接螺旋半扫描数据的有序子集期望最大化(OSEM)迭代重建．该方案省略了螺旋CT中对投影数据的插值步骤，利用螺旋CT中相邻重建层间的相似性，将当前层的重建结果作为下一层重建时OSEM算法的初始输入．实验结果表明，在螺距较小的情况下，该重建方案使得螺旋CT在重建质量优于滤波反投影的前提下，所需的重建时间显著减少．

此提交实现了期望最大化算法并在简单的 2D 数据集上对其进行了测试。 期望最大化（EM）算法是一种迭代方法，用于在统计模型中依赖于未观察到的潜在变量的情况下，找到参数的最大似然或最大后验（MAP）估计。 EM 迭代在执行期望 (E) 步骤和最大化 (M) 步骤之间交替执行，该步骤为使用参数的当前估计评估的对数似然的期望创建函数，以及计算最大化预期对数的参数 -在 E 步骤中找到的可能性。 然后使用这些参数估计来确定下一个 E 步骤中潜在变量的分布。 Github 存储库： https://github.com/rezaahmadzadeh/Expectation-Maximization

基于高斯混合模型的期望最大化聚类算法.pdf

用matlab实现EM算法

Matlab source code for EM algorithm EM algorithm for k multidimensional Gaussian mixture estimation % (EM_GM_fast is the modified version of EM_GM for speed enchancement. % The functionalities of EM_GM_fast and EM_GM are identical.)