原标题：近似推断：使用高斯混合模型

原文来自：博客园      原文链接：https://www.cnblogs.com/Riesling95/p/10898084.html

Approximate Inference using Simplification of Gaussian Mixture Models（GMMs）

Task：高斯混合模型的一些实际应用

比如，在交通网络中处理行人Trancking、车辆定位

本文技术路线

小结：

 1、tracking中基于马尔科夫Recusive和Bayes的结合，是一个亮点，尽管它的性能比不上DNN

有RNN的影子，但是与RNN不同的是yt是特征输入，Xt是location

而当下很多传统方法和DL进行融合

又比如，最近的一篇IJCAI2019中，Deep Recurrent Quantization for Generating Sequential Binary Codes，利用RNN做梯度下降来使得K-means聚类

2、本文一个重要思想：一般的特征工程通过对样本的特征标注来预测和学习，本文是通过混合高斯分布，即样本找概率分布，通过概率分布来近似推断。

成也萧何败萧何，因为仅仅使用GMMs来建模，其泛化性能难免受损。

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com