Материал из MachineLearning.
EM-алгоритм с последовательным добавлением компонент — общий метод нахождения функции плотности распределения объектов. Предполагается, что она имеет вид смеси 
распределений.
В данной статье рассматривается гауссовское распредение выборки, колическтво гауссианов произвольно.
Постановка задачи
Задана выборка \}_{i=1}^l)
, в которой 
= 
- множество объектов, 
= 
- множество ответов. Предполагается, что объекты имеют плотность распределения )
, представимую в виде смеси гауссиан с параметрами 
и 
.
 = \sum_{i=1}^k w_jp_j(x) = \sum_{i=1}^k w_jN(x;\mu_j,\Sigma_j))
Задача разделения смеси заключается в том, чтобы, имея выборку  оценить вектор параметров <tex>\theta = (w_1,...,w_k,\mu_1,...,\mu_k,\Sigma_1,...,\Sigma_k))
доставляющий максим функции правдоподобия Q(\Theta) = \ln\prod_{i=1}^mp(x_i|w,\mu,\Sigma) = \sum_{i=1}^m\ln\sum_{j=1}^kw_jp_j(x_i) \rightarrow max
