高斯混合模型
基于高斯混合模型的聚类，使用期望-最大化算法
高斯混合模型(gmm)通过使数据点属于所分配的聚类的后验概率最大化，将每个观测值分配给一个聚类。创建一个GMM对象gmdistribution通过将模型与数据拟合(fitgmdist)或指定参数值(gmdistribution)．然后，使用对象函数进行聚类分析(集群，后，泰姬陵)，评估模型(提供，pdf)，并生成随机变量(随机)．
功能
主题
- 高斯混合模型聚类
将数据划分为具有不同大小和相关结构的集群。
- 用硬聚类方法聚类高斯混合数据
对来自混合高斯分布的模拟数据实现硬聚类。
- 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。
- 调谐高斯混合模型
通过调整分量数和分量协方差矩阵结构，确定高斯混合模型(GMM)的最佳拟合。
您也可以从以下列表中选择网站: