学习视频：【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab 老师讲得很详细，很受用！！！ 定义 聚类就是将样本划分为由类似的对象组成的多个类的过程。聚类后，我们可以更加准确的在每个类中单独使用统计模型进行估计、分析或预测；也可以探究不同类之间的相关性和主要差异 ...

混合高斯模型简介 混合高斯模型基于多变量正 态分布。 类gmdistribution通过使用EM算法来拟合数据，它基于各观测量计算各成分密度的后验概率。 高斯混合模型常用于聚类，通过选择成分最大化后验概率来完成聚类。 与k-means聚类相似，高斯 ...

模型介绍 聚类步骤 从数据中随机挑选k个样本点作为原始的簇中⼼ 计算剩余样本与簇中⼼的距离，并把各样本标记为离k个簇中⼼最近的类别 重新计算各簇中样本点的均值，并以均值作为新的k个簇中⼼ 不断重复第⼆步和第三步，直到簇中⼼的变化趋于稳定，形成最终的k个簇 K值的选择 ...

模型聚类 mclust::Mclust RWeka::Cobweb mclust::Mclust EM算法也称为期望最大化算法，在是使用该算法聚类时，将数据集看作一个有隐形变量的概率模型，并实现模型最优化，即获取与数据本身性质最契合的聚类方式为目的，通过‘反复估计 ...

一、层次聚类 1、层次聚类的原理及分类 1）层次法（Hierarchicalmethods）先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后，再计算类与类之间的距离，将距离最近的类合并为一个大类。不停的合并，直到合成了一个类。其中类与类的距离的计算方法有：最短距离法，最长距离法 ...

贝叶斯模型、SVM模型、K均值聚类、DBSCAN聚类和GDBT模型 贝叶斯模型 SVM模型 K均值（Kmeans）聚类 DBSCAN聚类 GDBT模型 贝叶斯模型 概念 通过已知类别的训练数据集，计算样本的先验概率，然后利⽤⻉叶斯概率公式测算未知 ...

一、高斯混合模型概述 1、公式 高斯混合模型是指具有如下形式的概率分布模型： 其中，αk≥0，且∑αk=1，是每一个高斯分布的权重。Ø(y|θk)是第k个高斯分布的概率密度，被称为第k个分模型，参数为θk=(μk, αk2)，概率密度的表达式为： 高斯混合模型就是K个高斯分布 ...

的相似性高于不同类别间样本的相似性。聚类模型的评价指标如下： 1. Adjusted Rand Index ...