万仁霞，王大庆，苗夺谦

(1.北方民族大学 数学与信息科学学院，银川 750021；2.同济大学 计算机科学与技术系，上海 201804)

0 引 言

高斯混合模型(Gaussian mixture model，GMM)[1]是由k个单高斯模型组合而成的模型，这k个子模型是混合模型的隐变量。高斯混合模型可以看作是K-means模型的一个优化，是一种生成式模型，理论上可以拟合出任意形状的数据分布。何明等[1]针对数据统计分布的随机性和复杂性，从统计聚类的角度出发，采用高斯混合模型来描述整个数据的概率密度函数，从而提出了一种基于高斯混合模型的粗糙聚类分析方法。Najar等[2]对流行的有限高斯混合模型进行了深入的研究，分别评估了4个著名的基于高斯混合模型的数据聚类性能。Wang等[3]为了解决当数据稀缺时，基于高斯混合模型的传统聚类算法不再有效的问题，提出了一种基于高斯混合模型的传输聚类算法，利用源域中的数据信息对目标域中的数据进行聚类。王宏伟等[4]从概率统计方法出发,提出了一种基于高斯混合模型聚类与递推最小二乘算法的非均匀采样系统的多模型建模方法。陶志勇等[5]针对高斯混合聚类算法对初始值敏感且容易陷入局部极小值的问题,利用密度峰值算法全局搜索能力强的优势,对高斯混合聚类算法的初始聚类中心进行优化,提出了一种融合密度峰值的高斯混合聚类算法,解决了其对初始聚类中心依赖的问题。此外，高斯混合聚类能够较好地捕获属性之间的相关性和依赖性，对异常值有较强的可识别性[6]。……