一种基于贪心学习高斯混合模型的时序数据随机模拟方法

本发明属于数据建模与随机模拟相关技术领域，并公开了一种基于贪心学习高斯混合模型的时序数据随机模拟方法。该方法包括下列步骤：S1构建包含K个高斯分量的高斯混合模型并初始化所述高斯分量的参数集；S2将二维向量划分为与高斯分量一一对应的K个不相交的一代子集；对于任意的一代子集，在该子集中随机选择两个数据点，利用该两个数据点将所述子集划分为两个不相交的二代子集，分别计算各个二代子集的参数集，所述二代子集作为候选分量；对所述候选分量进行局部和全局优化；S3 K=K+1，返回步骤S2，直至满足终止条件，以此获得的高斯混合模型为最优的高斯混合模型。通过本发明，解决现有随机模拟方法模拟精度不高的问题。