在高斯混合聚类中，我们常采用算法进行参数的求解。
EM
举一反三
- 高斯混合模型使用了EM算法求解参数。
- 下面关于高斯混合模型聚类的理解错误的是 A: 高斯混合模型与模糊C均值都属于软聚类 B: 高斯混合模型就是多个单高斯密度分布的线性组合 C: 高斯混合模型聚类当数据量很小的，效果也很好 D: 高斯混合模型聚类属于无监督的学习算法
- 下面属于聚类算法的有（ ） A: K-Means B: 均值偏移聚类算法 C: DBSCAN聚类算法 D: 使用高斯混合模型（GMM）的期望最大化（EM）聚类
- 下列聚类方法属于原型聚类的是 （ ） A: K-Means 算法 B: 高斯混合聚类 C: 学习向量量化LVQ D: DBSCAN
- 无监督学习方法有 k ﹣均值（ k - means ）聚类算法、高斯混合模型等。（）
内容
- 0
2、无监督学习方法有k-均值(k-means)聚类算法、高斯混合模型等。
- 1
同样的数据集采用不同的聚类算法,其聚类结果也往往不相同,甚至采用相同类型的聚类算法,选用不同的参数,结果也很不一样。 ( )
- 2
高斯混合模型Gaussian Mixture Models是假定数据集满足高斯分布的情况下采用的一种聚类方法
- 3
基于高斯混合模型-隐马尔科夫模型的声学模型用（ ）来描述状态之间的转移概率，用（ ）来描述出现概率。 A: 隐马尔科夫模型 B: 高斯混合模型 C: K近邻分类算法 D: 层次聚类算法
- 4
在利用EM算法估计高斯混合模型参数的时候，需要预先设定的参数有（ ）。 A: 类别个数 B: 高斯元的均值 C: 高斯元的权重系数 D: 高斯元的方差