高斯混合模型是我们常用的一个数学模型。狄利克雷过程混合模型（DirichletProcessMixtureModel,DPMM）是一种非参数贝叶斯模型，它可以理解为一种聚类方法，不需要指定类别数量，它可以从数据中推断簇的数量。模型中聚类数的确定问题通常通过模型选择问题加以解决，因而聚类的准确性和泛化性受到模型选择准则的影响。
有限混合模型提供了用简单结构模拟复杂密度的一个有效方法，可以将聚类问题转化为统计分析问题，将复杂问题简单化分析，给出了模拟同质性和异质性的一个自然框架和半参数结构。基于模型的聚类方法就是利用己知的数学模型，通过逐渐逼近的方法，使得给定数据集和数据模型之间达成最佳拟合。高斯混合模型是我们常用的一个数学模型。
有限混合模型的用处是非常广泛的，特别近几年来，有限混合模型已逐渐成为高维数据统计分析的得力工具；但该算法是在假设给定聚类数的前提下，根据待聚类样本的属性进行分类。模型中聚类数的确定问题通常通过模型选择问题加以解决，因而聚类的准确性和泛化性受到模型选择准则的影响。狄利克雷过程混合模型（Dirichlet Process Mixture Model, DPMM）是一种非参数贝叶斯模型，它可以理解为一种聚类方法，但是不需要指定类别数量，它可以从数据中推断簇的数量。
