高斯混合模型（Gaussian mixture model，GMM）用于对样本的概率密度分布进行估计，而估计采用的模型（训练模型）是几个高斯模型的加权和。每个高斯模型就代表了一个类。对样本中的数据分别在几个高斯模型上投影，就会分别得到各个类上的概率，然后我们可以选取概率最大的类作为判决结果，以此达到对样本分类的目的。本次报告将从GMM的基本模型出发，从理论推导和抽象理解的角度分析GMM的求解算法，包括最大似然估计、EM算法等。
原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2019/02/18/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-%e9%ab%98%e6%96%af%e6%b7%b7%e5%90%88%e6%a8%a1%e5%9e%8b%e5%8f%8a%e6%b1%82%e8%a7%a3%e7%ae%97%e6%b3%95/