高斯混合模型及其应用（Gaussian Mixture Model,GMM）高斯混合模型及其应用（Gaussian Mixture Model,GMM）主要内容nGMM算法qGMMq最大似然法qEM算法nGMM算法和K-Means、FCMq异同点nGMM算法应用q图像分割q背景建模GMMn高斯混合模型（Gaussian Mixed Model,GMM）指的是多个高斯分布函数的线性组合，理论上GMM可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同的分布的情况（或者是同一类分布但参数不一样，或者是不同类型的分布，比如正态分布和伯努利分布）。n目的q（1）求出每一个样本属于哪个分布 q（2）求出每一个分布对应的参数GMMn使用一个高斯模型拟合分布GMMn使用两个高斯模型拟合分布GMM-例子GMMn原始形式 权重 可以看成使第k类被选中的概率。GMMn原始形式 权重 可以看成使第k类被选中的概率。GMM原始形式推导n引入K维的随机变量z，并且z使用1-of-K表示。表示第k类被选中的概率，即：需要满足以下两个条件：关于z有：（2）和GMM原始公式推导n每一类数据都服从正态分布
