论文部分内容阅读
混合高斯概率密度模型可以很好地拟合非高斯样本的概率密度。在各高斯分量概率密度互不重叠的条件下，使用动态簇算法可以快速而精确地估计出混合高斯概率密度模型参数。这是一种基于最小均方差原则的递推算法，在正向推导出各种可能的簇边界后，再根据确定的最末边界值逆向推定各前导簇边界，从而得到混合高斯慨率密度模型参数估计值。描述模型及参数估计问题之后，动态簇算法被推导出来。然后深入探讨了该算法的实质及适用条件，最后结合数值仿真实例，分析了动态簇算法的估计性能。