问题标签 [mixture-model]

我BackgroundSubtractorMOG2用来做背景减法，我手动设置了要使用的混合模型的数量，如下所示：

现在我想在屏幕上显示实际的混合数，以检查它是否正常工作。为此，我尝试了'myModel.getParams("nmixtures")'and'myModel.bgmodelUsedModes'等，但都失败了。我使用的是 OpenCV2.4.5 版本。如何获取 GMM 使用的实际参数？谢谢你。

我使用高斯混合模型估计对数似然函数（参数由 EM 算法估计）我使用Matlab ...我的数据大小为：17991402*1...17991402 一维数据点：

当我运行gmdistribution.fit(X,2)我得到所需的输出

但是当我运行gmdistribution.fit(X,k) for k>2 ....代码崩溃并且我得到错误“ OUT OF MEMORY ”..我还尝试了一个开源代码，它再次给了我同样的问题.有人可以帮我吗？..我基本上是在寻找一个代码，它允许我在如此大的数据集上使用不同数量的组件。

谢谢！！！

我正在使用 EM 估计 GMM 的参数，

当我使用我的 Matlab 脚本并运行 EM 代码时，我得到一个“对数似然”值。

然而，在 opencv 中，EM.train的输出给出了一个矩阵，其中包含每个样本的对数似然值。

如何获得单个对数似然值？我需要取所有样本的所有对数似然值中的最小值还是所有对数似然值的总和？

我是 Python 新手，无法将我用 R 编写的模型翻译成 Python 语言。如果有人对可能有帮助的资源或代码示例有任何建议，我将不胜感激。我已经在帮助文件等中看到了一些代码和文本片段，但是对于 Python 新手来说，没有一个是完全注释或足够具体的。以下模型是仿照 Royle (2004) 建模的 N 混合丰度模型：用于从空间复制计数估计种群大小的 N 混合模型。基本上它描述了一个泊松/二项式混合模型，其中 Z_i 是湿地水平的丰度，并被视为具有泊松分布的随机变量。在站点 i 和访问 j 期间观察到的育雏丰度 (yij) 遵循指数参数 Z_i 和成功参数 p_ij 的二项式分布。

提前感谢您的任何帮助/建议

我在安装 pymix（Python27，Windows 7 32 位）方面遇到了巨大的困难。

我下载了版本，但是，我无法按照安装说明运行 setup.py。

首先，我的安装导致“无法找到 vcvarsall.bat”错误，根据网上几个人的指示，让我以 mingw32 作为安装程序。我按照 ming32 的说明，添加了 mingw32 安装路径，然后在命令提示符下收到此错误。

另外，我按照一些额外的说明下载了一个用于 Python 的 MinGW（非官方）二进制包

错误：命令“gcc”失败：没有这样的文件或目录 这样的文件或目录

这没有任何区别。同样的错误。

最后，pymix 是唯一给我任何错误的模块。我已经成功下载了其他几个

在此先感谢您的宝贵时间，并且，这是我第一次真正接触 Python，如果我不清楚，请见谅！！

为了简化我的问题，我在这里创建了一个虚拟问题：我有两组训练数据，分别标记为 1 和 2。两个训练数据集都假设遵循混合高斯分布。我可以轻松地使用 Matlab 工具箱函数 (gmdistribution.fit) 来估计它们的均值和协方差。

然后我有一些测试数据集，假设是使用类似于训练数据集 2 的 MoG 创建的，但有噪声。我想计算我的测试数据集更有可能使用训练数据集 2 的 MoG 生成的似然概率。换句话说，我想获得我的测试数据集具有标签 2 的可能性。

您能否指出如何做到这一点的方向？非常感谢。

注意：

1. 我的两个训练数据集的大小不同。
2. 两个训练数据集的分布是重叠的。
3. 测试数据集的大小远小于训练数据集。

一些matlab代码：

我在语音盒 MATLAB 工具中应用了 gaussmix 函数来计算 GMM。但是，当我为 512 GMM 组件运行它时，代码给了我错误。

我需要 1024 或 2048 种混合物来构建通用背景模型 (UBM)。谁能给我matlab代码来计算大量混合物的GMM，例如512或2048？

谢谢。

我已经用 sklearn 训练了一个高斯混合模型，并且我试图在给定集群均值和方差的情况下获得数据点的非归一化责任。

GMM.predict_proba不幸的是，返回归一化概率，使它们总和为 1，但我需要原始概率。

我尝试了以下方法（GMM 是拟合的 GM 模型）：

但我得到的概率大于 1。

我究竟做错了什么？

在哪里可以找到使用 EM 计算 GMM 的 Mapreduce 实现（或教程）？
使用mapreduce框架真的可行吗？

我找到了这个讲座链接，但它不包含详细描述，如果我的数据（均值和方差）很大，那么我如何将它从映射器传递到减速器？

我需要从混合分布中生成样本

• 40% 样本来自 Gaussian(mean=2,sd=8)

• 20% 样本来自 Cauchy(location=25,scale=2)

• 40% 样本来自 Gaussian (mean = 10, sd=6)

为此，我编写了以下函数：

然后测试：

我得到这样的直方图（我知道这是错误的） -

我究竟做错了什么？任何人都可以指点一下吗？