高斯混合模型意味着每个数据点（随机）从 C 类数据之一中抽取，概率 p_i 从第 i 类中抽取，并且每个类都分布为具有平均标准差 mu_i 和 sigma_i 的高斯分布。 给定从这种分布中提取的一组数据，我们试图估计这些未知参数。 这里用于估计的算法是 EM（期望最大化）。 简单地说，如果我们知道 N 个输入数据点中的每一个的类别，我们就可以将它们分开，并使用最大似然估计每个类别的参数。 这是 M 步。 E 步骤根据每个类的前一轮参数估计为每个数据点（软）选择（未知）类。 隐式地将数据分类（或聚类）到不同的类中，估计其参数。 当前代码仅适用于一维数据，主要用于说明混合模型和 EM 的想法，但很容易推广到更高维度。

Probreg is a library that implements point cloud registration algorithms with probablistic model. The point set registration algorithms using stochastic model are more robust than ICP(Iterative Closest Point). This package implements several algorithms using stochastic models and provides a simple interface with . Core features Open3D interface Rigid and non-rigid transformation Algorithms Maximum

与“高斯-对数-高斯小波树、频率论和贝叶斯推理以及统计信号处理应用”论文相关的程序。 包括新 GLG 模型以及著名的 Crouse、Nowak 和 Baraniuk 有限混合模型中的估计和噪声去除程序。

Dirichlet Process Mixture Models(DPMM)的Matlab程序 Hierarchical Dirichlet Proces HDP 代码 Variational Dirichlet Process　Gaussian Mixture Model的Matlab源码

该代码包括了SVM的多核核函数的分类实现和可视化展示。

Carl Edward Rasmussen Christopher K. I. Williams

MIT PRESS 经典教材 兼具原理和应用 提供了机器学习的新思路

在GAUSSIAN的计算结果中提取热力学数据。

java版高斯图片模糊，不含依赖库，可运行。java-Gaussian.zip

一个Dog(Difference of Gaussian: 高斯差分)的简单例子，环境是:VS2008+OpenCV2.1。