OpenCV4.1.1版本的EM算法實現

看了《模式識別與機器學習》，希望能夠將其中的一些概念性較強的內容加以實現，來加強和鞏固自己的理解 EM算法——《模式識別與機器學習 第九章》 潛在變量的引入：使得複雜的概率分佈可以有簡單的分量組成。觀測變量上的複雜的邊緣概率分佈可以通過觀察變量與與潛在變量組成的擴展空間上的更加便於計算的聯合概率分佈來表示 EM算法——期望最大化：尋找帶有潛在變量的模型的最⼤似然估計的⼀個⼀般的⽅法是期望最⼤化（E

>>阅读原文<<