該例子調用matlab機器學習工具箱自帶的相關函數來實現高斯混合聚類。
GMM（Gaussian mixture model, GMM）實現步驟：
（1）首先設置均值、方差、權重參數；
（2）再調用gmdistribution()函數生成一個混合高斯模型；
（3）做出GMM概率密度函數 (PDF) 和累積分布函數 (CDF)顯示圖；

代碼詳見下欄：

clear; clc; close all; Mu = [-2 -2; -3 3; 3, -3]; %三個成分的均值 Sigma = cat(3,[1 0; 0 1],[1 0.1; 0.1 1],[0.5 0.1; 0.1 1]); %三個成分的協方差,cat函數將三個協方差矩陣在第3個維度上進行連接 w = [1/4,1/2,1/4]; %每個成分的權重系數 gm = gmdistribution(Mu,Sigma,w); %創建GM模型 properties = properties(gm); %顯示高斯混合模型具有的屬性 methods = methods(gm); %顯示高斯混合模型具有的方法 gmPDF = @(x,y)pdf(gm,[x y]); %計算高斯混合模型的概率密度函數值 f = figure; %創建一個圖形窗口 set(f,'Position',[100,100,800 500]); p1 = subplot(1,2,1); ezsurf(gmPDF,[-10,10],[-10,10]); %圖示GMM的PDF title('高斯混合模型的概率密度函數'); set(p1,'FontSize',12); gmCDF = @(x,y)cdf(gm,[x y]); %計算高斯混合模型的累積分布函數值 p2 = subplot(1,2,2); ezsurf(gmCDF,[-10,10],[-10,10]); %圖示GMM的CDF title('高斯混合模型的累積分布函數');set(p2,'FontSize',12);

其中用到了一些matlab常用的命令，在此不再多做闡述；如又不懂之處可help一下，或者在下方留言尋求幫助。

總結

以上是生活随笔為你收集整理的GMM_example(1)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。