从高斯过程到高斯过程混合模型：研究与展望
来源：信号处理杂志 2016年第8期北京时间：
作者：周亚同, 陈子一, 马尽文
摘要：高斯过程（GP）模型是核学习方法与贝叶斯推理相结合的典范，现已成为机器学习领域的一个研究热点。作为对GP模型的拓展，高斯过程混合（MGP）模型具有更强大的学习能力和适应性。然而，目前关于GP和MGP模型的研究较为零散，尚缺少系统的分析与总结。本文首先对于GP模型的基本原理及其研究进展进行了深入地分析和讨论；然后将GP模型拓展至MGP模型，从多方面对MGP模型的研究现状和进展进行了深入地分析和讨论，并指出未来值得探索的研究方向和应用问题。
关键词：高斯过程, 高斯过程混合模型, 机器学习, 回归预测, 聚类分析
