Innholdsfortegnelse:
- Definisjon - Hva betyr Gaussian Mixture Model (GMM)?
- Techopedia forklarer Gaussian Mixture Model (GMM)
Definisjon - Hva betyr Gaussian Mixture Model (GMM)?
En Gaussian blandingsmodell (GMM) er en kategori av sannsynlighetsmodell som sier at alle genererte datapunkter er avledet fra en blanding av en endelig Gaussisk fordeling som ikke har noen kjente parametere. Parametrene for Gauss-blandingsmodeller er avledet enten fra maksimal a posteriori estimering eller en iterativ forventning-maksimaliseringsalgoritme fra en tidligere modell som er godt trent. Gaussiske blandingsmodeller er veldig nyttige når det gjelder modelleringsdata, spesielt data som kommer fra flere grupper.
Techopedia forklarer Gaussian Mixture Model (GMM)
Matematisk er Gaussiske blandingsmodeller et eksempel på en parametrisk sannsynlighetstetthetsfunksjon, som kan representeres som en vektet sum av alle tettheter av Gaussiske komponenter. Med andre ord er den vektede summen av Gauss-tettheter av M-komponenten kjent som en Gauss-blandingsmodell, og matematisk er den p (x | λ) = XM i = 1 wi g (x | µi, Σi), der M er betegnet for blandingsvekter, x er den kontinuerlig verdsatte datavektoren fra D-dimensjonen og og g (x | µi, Σi) er komponenten Gauss-tettheter. En Gaussisk blandingsmodell består av samvariasjonsmatriser, blandingsvekter og middelvektorer fra hver komponenttetthet som er til stede. Gaussere er fullt ut i stand til å modellere korrelasjonene av trekkvektorelementer takket være den lineære kombinasjonen av diagonalt samvariabasis. Et annet trekk ved den Gaussiske blandingsmodellen er dannelsen av glatte tilnærminger til tilfeldig formede tettheter.
Gaussiske blandingsmodeller brukes i biometriske systemer der den parametriske modellen hjelper deg med å forstå funksjonene eller målingene relatert til slike som for eksempel vokal-trakt spektrale funksjoner. Gaussiske blandingsmodeller brukes også for tetthetsestimering og regnes som de mest statistisk modne teknikkene for klynging.
