变分贝叶斯EM指的是变分贝叶斯期望最大化（VBEM, variational Bayes expectation maximization），这种算法基于变分推理，通过迭代寻找最小化KL(Kullback-Leibler)距离的边缘分布来近似联合分布，同时利用mean field 近似减小联合估计的复杂度。

变分贝叶斯EM方程最早是由BEAL M J. 在其论文《Variational Algorithms for Approximate Bayesian Inference》[D], London, UK: University College London, 2003里所提出的。其具体算法可表示为：在第i次VBEM迭代中，参数分布的更新方程式可表示为VBE步和VBM步。

在VBEM算法中，VBE步骤和VBM步骤均是关于后验分布求均值的，因此隐参数和未知参数之间不再存在区别。