MATLAB用拟合出的代码绘图任务参数化的高斯混合模型
任务参数化的高斯混合模型（TPGMM）和回归算法的Python实现，其中示例和数据均为txt格式。
TPGMM是高斯混合模型算法，可在参考帧的位置和方向上进行参数化。
它根据参数（框架的位置和方向）调整回归轨迹。
笛卡尔空间中的任何对象或点都可以作为参考框架。
当前方法使用k均值聚类来初始化高斯参数，并使用迭代期望最大化（EM）算法使它们更接近于事实。
拟合TPGMM之后，将模型与新的框架参数一起应用于高斯回归，以通过时间输入来检索输出特征。
请观看TPGMM和GMR在训练/生成NAO机器人右臂轨迹方面的演示视频。
演示视频
相关论文：
Alizadeh，T.，＆
Saduanov，B.
（2017年11月）。
通过在公共环境中演示多个任务来进行机器人编程。
2017年IEEE国际会议（pp.608-613）中的《智能系统的多传感器融合和集成》（MFI）。
IEEE。
Sylvain
Calinon教授从研究出版物和MATLAB实现中引用了所有数学，概念和数据：
Calinon，S.（2016）任务参数化运动学习和检索智能服务机器
