对比K-Means算法和GMM的EM解法，我们会发现二者具有很强的相似性。K-Means算法对数据点的聚类进行了“硬分配”，即每个数据点只属于唯一的聚类；而GMM的EM解法则基于后验概率分布，对数据点进行“软分配”，即每个单独的高斯模型对数据聚类都有贡献，不过贡献值有大有小。 Kmeans是一个聚类模型；EM算法是一个求模型参数的优化算法； Kmeans模型可以认为是GMM混合高斯模型的特例。