Contents.m


 

 Synopsis:

  model = melgmm(X,Alpha)

  model = melgmm(X,Alpha,cov_type)

 

 Description:

  model = melgmm(X,Alpha) maximizes expectation of log-likelihood 

  function for Gaussian mixture model

                        

   (Mean,Cov,Prior) =  argmax  F(Mean,Cov,Prior)

                    Mean,Cov,Prior 



  where

   F = sum sum Alpha(j,i)*log(pdfgauss(X(:,i),Mean(:,y),Cov(:,:,y)))

        y   i 



  The solution is returned in the structure model with fields

  Mean [dim x ncomp], Cov [dim x dim x ncomp] and Prior [1 x ncomp].



  model = melgmm(X,Alpha,cov_type) specifies covariance matrix:

   cov_type = 'full'      full covariance matrix (default)

   cov_type = 'diag'      diagonal covarinace matrix

   cov_type = 'spherical' spherical covariance matrix



 Input:

  X [dim x num_data] Data sample.

  Alpha [ncomp x num_data] Distribution of hidden state given sample.

  cov_type [string] Type of covariacne matrix (see above).



 Output:

  model [struct] Gaussian mixture model:

   .Mean [dim x ncomp] Mean vectors.

   .Cov [dim x dim x ncomp] Covariance matrices.

   .Prior [1 x ncomp] Distribution of hidden state.



 See also 

  EMGMM, MLCGMM.