混合高斯概率密度模型动态簇算法参数估计

摘要

混合高斯概率密度模型可以很好地拟合样本的概率密度.在各高斯分量概率密度互不重叠的条件下,使用动态簇算法可以快速而精确地估计出混合高斯概率密度模型参数.这是一种基于最小均方差原则的递推算法,在正向推导出各种可能簇边界后,再根据确定的最末边界值逆向推定各前导簇边界,从而得到混合高斯概率密度模型参数估计值.算法介绍之后,给出了两个拥有不同概率密度分布的仿真建模实例.最后总结分析了该算法的优劣,并简介了算法的推广.