很好的matlab写的高斯混合模型包，包括聚类回归等等。 有详细的函数功能说明。

使用基于高斯混合模型的机器学习对 2 类和 3 类问题进行一维矩阵分类。 它还包含一个基于矩阵的 AND 门示例和大小为 12 和 3 的输入样本

帧差法 高斯混合模型

基于高斯混合模型的说话人识别matlab代码实现

此代码使用 EM 来估计高斯混合分布的参数。 它能够处理缺失数据，由数据矩阵中的 NaN 表示。 包括一个示例脚本和一个关于 EM 的简短文档，特别是估计高斯混合密度。 主要功能以及示例脚本位于文件夹 EM/GMM 中。

如果聚类的数量是预定义的，GMM 会返回一组点的聚类质心和聚类方差。 然后可以将质心和方差传递给高斯 pdf 以计算输入查询点相对于给定集群的相似度。

基于python的高斯混合模型（GMM 聚类）的 EM 算法实现

【语音识别】基于高斯混合模型（GMM）的语音识别matlab源码.md

EM算法是一种非常流行的最大似然估计方法，它是在观测数据为不完整数据时求解最大似然估计的迭代算法，同时也是估计有限混合模型参数的有效算法。 但是，EM算法不能保证找到全局最优解，而且往往容易陷入局部最优解，因此对迭代初始值的确定很敏感。 传统的EM算法随机选择初始值，提出了一种改进的初始值选择方法。 首先，我们使用k-nearest-neighbor方法删除异常值。 其次，使用k均值初始化EM算法。 将该方法与原始随机初始值方法进行比较，数值实验表明，EM算法初始化的参数估计效果明显优于原始EM算法。

人工智能-反馈对数线性高斯混合神经网络研究.pdf