还有 mclust： http: //www.stat.washington.edu/research/reports/2012/tr597.pdf http://cran.r-project.org/web/packages/mclust/index.html

不过要注意一点：如果您的点云很大，高维空间中的混合建模可能会占用大量 CPU 和内存。大约四年前，我正在处理一批 11 维、50-200K 点的数据，它往往会占用 4-11GB 的 RAM，并且每个案例需要长达一周的时间来计算（我有 400 个）。这当然是可能的，但如果您使用共享计算集群或可用资源有限，则可能会令人头疼。

这听起来像是一个经典的多元高斯混合模型。我认为 BayesM 包可能会起作用。

这是一些多元高斯混合包

• 贝叶斯：cran.r-project.org/web/packages/bayesm/index.html
• 混合工具：www.jstatsoft.org/v32/i06/paper