-
其中 是系数,满足 :
- 。
- 是高斯分布密度函数,称作第 个分模型, :
如果用其他的概率分布密度函数代替上式中的高斯分布密度函数,则称为一般混合模型。
3.2 参数估计
假设观察数据 由高斯混合模型 生成,其中 。
可以通过算法估计高斯混合模型的参数 。
完全数据的对数似然函数为:
其对数为:
即:。
则 函数为:
求极大值: 。
根据偏导数为 0,以及 得到:
:
其中: ,其物理意义为:所有的观测数据 中,产生自第 个分模型的观测数据的数量。
:
其中: ,其物理意义为:所有的观测数据 中,产生自第 个分模型的观测数据的总和。
:
其中: ,其物理意义为:所有的观测数据 中,产生自第 个分模型的观测数据,偏离第 个模型的均值( )的平方和。
高斯混合模型参数估计的算法:
输出:高斯混合模型参数
算法步骤:
随机初始化参数 。
根据 迭代求解 ,停止条件为:对数似然函数值或者参数估计值收敛。
其中:
。
其物理意义为:所有的观测数据 中,产生自第 个分模型的观测数据的数量。
-
其物理意义为:所有的观测数据 中,产生自第 个分模型的观测数据,偏离第 个模型的均值( )的平方和。