GMM模型，用MATlab编写的。可以用来训练

混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的混合高斯模型，用在模式识别上面的

function    value=GMM（centroidcovk_allv）
mindist=0.01;%设置最小的矢量距离
L=30.001;%30times iterate with average variation of 0.001 for each iteration.
em_count=0;
[dimenframe_all]=size（v）;
cov_exp=zeros（dimen1620）;
centroid_exp=zeros（dimen1620）;
%   mix（v165）;
th=（L-floor（L））*frame_all;%0.001*frame_all
finalpro=0;
for ii=1:L%em过程L=30次
    %     divide设置初始点时候只需要根据每个类别聚类就可以了，而下面将进行的高斯模型em过程将会在每个中心 点都与每个点关联 取得p和b的值
    em_count=em_count+1;
    p=zeros（16frame_all）;
    b=zeros（16frame_all）;
    k_all=k_all/frame_all;%i类模型出现的概率
    for i=1:16
        for j=1:frame_all
            if sum（abs（centroid（:i）））~=0
            b（ij）=（abs（prod（cov（:i））^（-1/2）））*exp（sum（（v（:j）-centroid（:i））.^2./cov（:i））*（-1/2））;
            else
                b（ij）=0;
            end
        end
    end
    for i=1:frame_all
        b_sum=0;
        for j=1:16
            b_sum=b_sum+b（ji）*k_all（j）;
        end
        for j=1:16
            if b_sum~=0%防止没有数据的出现
                p（ji）=k_all（j）*b（ji）/b_sum;
            else
                p（ji）=0;
            end
        end
    end
    centroid=zeros（dimen16）;
    cov=zeros（di