主要内容

高斯模型

Clúster在期望最大化算法的效用下的高斯模型中

(MMG)表示为observación一个clúster最大概率的后验概率为一个人的数据的后验概率为clúster表示为。高斯模型对GMM提出一个具体为parámetro()的数据模型。gmdistributionfitgmdistgmdistributionA continuación, utilice funciones de jeto para realizar el análisis de clúster(,,),求值el modelo (,) y generar variacones aleatorias()。集群泰姬陵提供pdf随机

一些必要

expandir待办事项

fitgmdist 这是数据的高斯模型
gmdistribution 我们要建立一个高斯模型
提供 高斯混合分布的累积分布函数
集群 从高斯混合分布构造簇
泰姬陵 到高斯混合分量的马氏距离
pdf 高斯混合分布的概率密度函数
高斯混合分量的后验概率
随机 来自高斯混合分布的随机变量

特马

高斯模型集群

在clústeres不同的情况下的数据tamaños和correlación的结构。

用硬聚类方法聚类高斯混合数据

在混合高斯分布的模拟数据上实现硬聚类。

用软聚类方法聚类高斯混合数据

在混合高斯分布的模拟数据上实现软聚类。

调整高斯混合模型

通过调整分量个数和分量协方差矩阵结构,确定最佳高斯混合模型(GMM)拟合。