來自： http://blog.csdn.net/baimafujinji/article/details/50626149

我們在上一篇文章中介紹了EM算法的基本原理，如果讀者對此不甚了解，建議參閱

機器學習中的EM算法詳解及R語言實例（1）

4. 高斯混合模型

高斯混合模型（GMM，Gaussian Mixture Model）可以看成是EM算法的一種現實應用。利用這個模型可以解決聚類分析、機器視覺等領域中的許多實際問題。

4.1 模型推導

在討論EM算法時，我們并未指定樣本來自于何種分布。實際應用中，常常假定樣本是來自正態分布之總體的。也就是說，在進行聚類分析時，認為所有樣本都來自具有不同參數控制的數個正態總體。例如前面討論的男性女性身高問題，我們就可以假定樣本數據是來自如圖13-5所示的一個雙正態分布混合模型。這便有了接下來要討論的高斯混合模型。

4.2 應用實例

軟件包mclust提供了利用高斯混合模型對數據進行聚類分析的方法。其中函數Mclust()是進行EM聚類的核心函數，它的基本調用格式為

全文完。

本文參考文獻：

1、斯坦福的公開課——機器學習 ，由Andrew Ng主講

2、JerryLead的博客

3、數據挖掘導論，Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著