有限混合模型,是一种统计建模工具,提供了一种用简单密度模拟复杂密度的有效的数学方法。对它的研究最早可以追溯到一个世纪以前,1894年Pearson采用具有两个混合分量的单变量高斯混合模型对一组观测数据进行了拟合,用矩估计方法对该混合模型的参数集进行了估计。1977年A.P. Dempster等人提出了计算不完全数据的极大似然估计的EM算法,并给出了有限混合模型的不完全数据结构,才使得极大似然估计进行计算的困难迎刃而解。随后,有限混合模型的研究进入了一个崭新的发展阶段,并扩充到了聚类分析、语音识别、神经网络等应用领域。