gaussian_mixture_model.m: 用EM算法估算一维高斯混合模型参数-MATLAB开发

简介：
这段MATLAB代码实现了使用期望最大化(EM)算法估计一维数据集中的高斯混合模型(GMM)参数，适用于聚类和概率密度估计。 高斯混合模型意味着每个数据点是从C类中的某一类别随机抽取的，其中从第i类抽取的概率为p_i，并且每一类都遵循平均值为mu_i、标准差为sigma_i的正态分布。给定一组通过这种分布提取的数据，我们的目标是估计这些未知参数。这里使用的算法是EM（期望最大化）。简单地说，如果我们知道N个输入数据点中每一个所属的具体类别，则可以将它们分开，并使用最大似然法来估算每个类别的参数。这被称为M步骤。E步骤则是根据每一轮前一个迭代的参数估计值为每一数据点选择其可能属于的未知类别（软分类）。通过这种方式隐式地对数据进行聚类，从而进一步估计各类别中分布的具体参数。 当前代码仅适用于一维数据分析，主要用于解释混合模型和EM算法的概念。然而，该方法很容易推广到更高维度的数据分析应用当中。