EM算法中要寻找的参数θ，与K-means聚类中的质心是对应的，在高斯混合模型中确定了θ，便可为样本进行类别的划分，属于哪个高斯分布的概率大就是哪一类，而这一点与K-means中的质心一样，质心确定了，样本的类别就确定了，只不过K-means采用样本到质心的距离来衡量归属于某一类的概率，所以K-means的质心-距离机制与高斯分布是异曲同工。
EM算法中要寻找的参数θ，与K-means聚类中的质心是对应的，在高斯混合模型中确定了θ，便可为样本进行类别的划分，属于哪个高斯分布的概率大就是哪一类，而这一点与K-means中的质心一样，质心确定了，样本的类别就确定了，只不过K-means采用样本到质心的距离来衡量归属于某一类的概率，所以K-means的质心-距离机制与高斯分布是异曲同工。