标题：基于高斯混合模型的EM算法改进与优化
作者：王凯南 金立左
作者单位：东南大学自动化学院，江苏 南京 210096
关键字：GMM模型，EM算法，信息熵，合并与分裂
摘要：作为聚类分析的一种重要模型，高斯混合模型在模式识别领域得到了广泛的应用。高斯混合模型的参数通常使用EM算法迭代训练获得。然而，传统的EM算法具有稳定性低，容易陷入局部极小值等缺点。针对传统EM算法的不足，改进了相关算法，在迭代过程中引入了自适应模型合并和模型分裂的策略。通过计算各高斯模型的熵，合并权值过低的模型，分裂熵过大的模型。此外，还优化了算法计算过程的相关步骤。相应实验结果表明，与传统EM算法相比，改进后的算法具有更强的适应性和更好的性能。