极大似然估计与EM算法适用问题:
参考:
【1】EM算法详解:实例
【2】EM算法原理总结 - 刘建平Pinard - 博客园
【3】维基百科,百度百科
详解EM算法与混合高斯模型:
服从二维高斯分布的数据主要集中在一个椭圆内部,服从三维的数据集中在一个椭球内部
它的本质就是融合几个单高斯模型,来使得模型更加复杂,从而产生更复杂的样本。理论上,如果某个混合高斯模型融合的高斯模型个数足够多,它们之间的权重设定得足够合理,这个混合模型可以拟合任意分布的样本。 理论上,混合高斯模型的概率密度函数曲线可以是任意形状的非线性函数。
它的本质就是融合几个单高斯模型,来使得模型更加复杂,从而产生更复杂的样本。理论上,如果某个混合高斯模型融合的高斯模型个数足够多,它们之间的权重设定得足够合理,这个混合模型可以拟合任意分布的样本。
理论上,混合高斯模型的概率密度函数曲线可以是任意形状的非线性函数。