//GMM源文件?

#include?
#include?
#include?“GMM.h“
#include?“KMeans.h“
using?namespace?std;

//double?M_PI=3.14159;

GMM::GMM（int?dimNum?int?mixNum）
{
	m_dimNum?=?dimNum;
	m_mixNum?=?mixNum;

	m_maxIterNum?=?100;
	m_endError?=?0.001;

	Allocate（）;??????????????????

	for?（int?i?=?0;?i?	{
		m_priors[i]?=?1.0?/?m_mixNum;???//初始化

		for?（int?d?=?0;?d?		{
			m_means[i][d]?=?0;
			m_vars[i][d]?=?1;
		}
	}
}

GMM::~GMM（）
{
	Dispose（）;
}

void?GMM::Allocate（）
{???
	//分配空間?
	m_priors?=?new?double[m_mixNum];
	m_means?=?new?double*[m_mixNum];
	m_vars?=?new?double*[m_mixNum];

	for?（int?i?=?0;?i?	{
		m_means[i]?=?new?double[m_dimNum];
		m_vars[i]?=?new?double[m_dimNum];
	}

	m_minVars?=?new?double[m_dimNum];
}

void?GMM::Dispose（）
{???
	//釋放空間?
	delete[]?m_priors;

	for?（int?i?=?0;?i?	{
		delete[]?m_means[i];
		delete[]?m_vars[i];
	}
	delete[]?m_means;
	delete[]?m_vars;

	delete[]?m_minVars;
}

void?GMM::Copy（GMM*?gmm）
{
	assert（m_mixNum?==?gmm->m_mixNum?&&?m_dimNum?==?gmm->m_dimNum）;
	//賦值?
	for?（int?i?=?0;?i?	{
		m_priors[i]?=?gmm->Prior（i）;
		memcpy（m_means[i]?gmm->Mean（i）?sizeof（double）?*?m_dimNum）;
		memcpy（m_vars[i]?gmm->Variance（i）?sizeof（double）?*?m_dimNum）;
	}
	memcpy（m_minVars?gmm->m_minVars?sizeof（double）?*?m_dimNum）;
}

double?GMM::GetProbability（const?double*?sample）
{
	double?p?=?0;
	for?（int?i?=?0;?i?	{
		p?+=?m_priors[i]?*?GetProbability（sample?i）;??//在該高斯模型下面所有模型的和?權值*概率
	}
	return?p;
}

double?GMM::GetProbability（const?double*?x?int?j）
{
	double?p?=?1;
	for?（int?d?=?0;?d?	{???
		//使用單高斯概率計算公式???但是求出的是多個維度的乘積?
		p?*=?1?/?sqrt（2?*?3.14159?*?m_vars[j][d]）;
		p?*=?exp（-0.5?*?（x[d]?-?m_means[j][d]）?*?（x[d]?-?m_means[j][d]）?/?m_vars[j][d]）;
	}
	return?p;
}


void?GMM::Train（double?*data?int?N）
{????
	//初始化??使用KMeans來初始化里面的數據
	Init（dataN）;

	int?size?=?N;

	//下面的參數參照KMeans??都是一次迭代之后分配空間??使用EM算法??具體見???http://www.cnblogs.com/mindpuzzle/tag/EM/
	bool?loop?=?true;??
	double?iterNum?=?0;
	double?lastL?=?0;
	double?currL?=?0;
	int?unchanged?=?0;
	double*?x?=?new?double[m_dimNum];	
	double*?next_priors?=?new?double[m_mixNum];
	double**?next_vars?=?new?double*[m_mixNum];
	double**?next_means?=?new?double*[m_mixNum];

	for?（int?i?=?0;?i?	{
		next_means[i]?=?new?double[m_dimNum];
		next_vars[i]?=?new?double[m_dimNum];
	}

	while?（loop）
	{???
		//初始化
		memset（next_priors?0?sizeof（double）?*?m_mixNum）;
		for?（int?i?=?0;?i?		{
			memset（next_vars[i]?0?sizeof（double）?*?m_dimNum）;
			memset（next_means[i]?0?sizeof（double）?*?m_dimNum）;
		}

		lastL?=?currL;
		currL?=?0;

		for?（int?k?=?0;?k?		{
			for（int?j=0;j				x[j]=data[k*m_dimNum+j];?????????//獲取數據?
			double?p?=?GetProbability（x）;????????//計算概率

			for?（int?j?=?0;?j?			{
				double?pj?=?GetProbability（x?j）?*?m_priors[j]?/?p;??//相當于計算x值在該高斯模型下面的概率?論文里面的rjk

				next_priors[j]?+=?p

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????6425??2014-11-08?23:37??CODE\GMM.cpp

?????文件???????1761??2014-11-08?23:10??CODE\GMM.h

?????文件???????1708??2014-11-08?22:22??CODE\KmeanAndGmm.cpp

?????文件???????4306??2014-11-08?22:49??CODE\KMeans.cpp

?????文件???????1615??2014-11-08?22:35??CODE\KMeans.h

?????目錄??????????0??2014-11-08?23:38??CODE

-----------?---------??----------?-----??----

????????????????15815????????????????????6