资源简介

混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的混合高斯模型,用在模式识别上面的

资源截图

代码片段和文件信息

function    value=GMM(centroidcovk_allv)
mindist=0.01;%设置最小的矢量距离
L=30.001;%30times iterate with average variation of 0.001 for each iteration.
em_count=0;
[dimenframe_all]=size(v);
cov_exp=zeros(dimen1620);
centroid_exp=zeros(dimen1620);
%   mix(v165);
th=(L-floor(L))*frame_all;%0.001*frame_all
finalpro=0;
for ii=1:L%em过程L=30次
    %     divide设置初始点时候只需要根据每个类别聚类就可以了,而下面将进行的高斯模型em过程将会在每个中心 点都与每个点关联 取得p和b的值
    em_count=em_count+1;
    p=zeros(16frame_all);
    b=zeros(16frame_all);
    k_all=k_all/frame_all;%i类模型出现的概率
    for i=1:16
        for j=1:frame_all
            if sum(abs(centroid(:i)))~=0
            b(ij)=(abs(prod(cov(:i))^(-1/2)))*exp(sum((v(:j)-centroid(:i)).^2./cov(:i))*(-1/2));
            else
                b(ij)=0;
            end
        end
    end
    for i=1:frame_all
        b_sum=0;
        for j=1:16
            b_sum=b_sum+b(ji)*k_all(j);
        end
        for j=1:16
            if b_sum~=0%防止没有数据的出现
                p(ji)=k_all(j)*b(ji)/b_sum;
            else
                p(ji)=0;
            end
        end
    end
    centroid=zeros(dimen16);
    cov=zeros(di

评论

共有 条评论