用matlab实现高斯混合模型的前期处理和分类训练！

2类分类高斯混合模型 使用k-means的方法来初始化GMM， 基于EM算法计算出GMM模型参量。 测试GMM模型分别有2个，4个，8个混合成分-2-class classifier with Gaussian Mixture Models. Use the k-means method to initialize the GMM’s Then improve the GMM models iteratively based on the EM algo-rithm.

ICA快速算法，提高分类效果 滤波 源信号所含的高斯白噪声越多，分离后得到的信号与源信号相比误差越大，效果越差；所含高斯白噪声越少，分离效果越好-Fast ICA algorithm to improve the classification results more contained in the source signal filtering Gaussian white noise, the signal obtained with the source signal separatio

高斯核函数 的非线性分类器 性能还可以-The Gaussian kernel function of the nonlinear classifier can also be

在混合高斯模型参数估计方法上有很多方法，例如最大似然函数的EM算法，但是该算法容易出现过拟合，故本文提出了一个变分EM的算法来对参数进行估计，可以避免EM算法中的不足。 下面的示例文件中说明了使用下面的示例文件说明了用法 examplevbem，VBEM M示例文件 faithful.txt数据集为例(The parameters of Gauss mixture model estimation method has a lot of methods, such as the maxim