EM Algorithm for Gaussian Mixture Model (EM GMM)：高斯混合的EM算法。-matlab开发

matlab

这个包通过期望最大化（EM）算法拟合高斯混合模型（GMM）。它适用于任意维度的数据集。应用了多种技术来提高数值稳定性，例如在对数域中计算概率以避免浮点数下溢，这在计算高维数据概率时经常发生。该代码还通过利用顶点化和矩阵分解进行了仔细调整以提高效率。这种算法被广泛使用。详细信息可以在伟大的教科书“模式识别和机器学习”或维基页面中找到http://en.wikipedia.org/wiki/Expectation-maximization_algorithm 此功能强大且高效，但代码结构经过组织，易于阅读。请尝试以下代码进行演示：关闭所有; 清除; d = 2; k = 3； n = 500； [X,label] = mixGaussRnd(d,k,n); plotClass(X,label); m = 楼层（n/2）； X1 = X(:,1:m); X2 = X(:,(m

文件下载

资源详情

[{"title":"（ 1 个子文件 5KB ） EM Algorithm for Gaussian Mixture Model (EM GMM)：高斯混合的EM算法。-matlab开发","children":[{"title":"EmGm.zip <span style='color:#111;'> 5.32KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

EM Algorithm for Gaussian Mixture Model (EM GMM)：高斯混合的EM算法。-matlab开发

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载