混合高斯概率密度模型,其参数估计可以通过期望最大化( em) 迭代算法获得。-em estimation parameters Gaussian mixture processes

2类分类高斯混合模型 使用k-means的方法来初始化GMM， 基于em算法计算出GMM模型参量。 测试GMM模型分别有2个，4个，8个混合成分-2-class classifier with Gaussian Mixture Models. Use the k-means method to initialize the GMM’s Then improve the GMM models iteratively based on the em algo-rithm.

在混合高斯模型参数估计方法上有很多方法，例如最大似然函数的em算法，但是该算法容易出现过拟合，故本文提出了一个变分em的算法来对参数进行估计，可以避免em算法中的不足。 下面的示例文件中说明了使用下面的示例文件说明了用法 examplevbem，VBem M示例文件 faithful.txt数据集为例(The parameters of Gauss mixture model estimation method has a lot of methods, such as the maxim