Mclust()模型选择出现NA值，GMM分类效果差的技术求助

我有一个带已知类别的多元矩阵（400条观测×196个变量），用R语言mclust包的Mclust()函数做高斯混合模型（GMM）分析时，分类效果极差——仅约30%的个体分类正确，但k-means算法的分类准确率能达到90%以上。

我的代码如下：

library(mclust)

X <- read.csv("X.csv", sep = ",", h = T)
y <- read.csv("y.csv", sep = ",")
gmm <- Mclust(X, G = 5)    # 目标是分成5类

cl_gmm <- gmm$classification
cl_gmm_lab <- cl_gmm

nclusters <- 5  # 补充定义聚类数，原代码未声明该变量
for (k in 1:nclusters){
  ii = which(cl_gmm == k) # 第k类的个体索引
  counts=table(y[ii]) # 各类别出现次数统计
  imax = which.max(counts) # 多数类别对应的索引
  maj_lab = attributes(counts)$dimnames[[1]][imax] 
  print(paste("Group ",k," majority label = ",maj_lab))
  cl_gmm_lab[ii] = maj_lab
}

conf_mat_gmm <- table(y,cl_gmm_lab)    # 生成混淆矩阵

我发现问题根源可能在于：查看gmm$BIC时，除了EII（球形、等体积）模型外，其余所有模型的BIC值均为NA。至今没找到解决办法，请问有人了解这个问题吗？

内容的提问来源于stack exchange，提问作者Droidux