GMM

利用VL-feat提取fisher特征

在网上下载下来vlfeat的工具包后，在matlab里面参考readme文件里面的介绍来查看是否能用，要运行toolbox里面的vl_setup.m，然后根据以下过程来提取，其中vl_gmm，vl_fisher
以后以后·2020-08-20 06:10

移远4g LTE模块at指令集合

常规命令ATI显示产品标识信息(显示全部）ATIQuectelEM05Revision:EM05CEFAR01A04M4GOKAT+GMI请求制造商标识AT+GMIQuectelOKAT+GMM请求TA
~~️·2020-08-20 02:31

杂记：腾讯暑期实习 Web 后端开发面试经历

可能是因为我在简历中有过一个语音识别的项目经验，但那只是大二的一个课程作业，我对其中的原理并不十分了解，只说了什么Kaldi的内部是GMM+HMM模型实现的，唉。接下来是四道编程题，
weixin_33774615·2020-08-20 01:36

kaldi常用工具（原理分析）

3.查看生成的GMM的模型，比如monophone,triphone的model。kaldi/src/gmmbin/gmm-copy–binary=false
jinmingz·2020-08-19 06:42

sidekit中GMM-UBM中speaker-adaptation部分

下面开始对GMM-UBM中说话人自适应调整以及计算得分进行详细的分析，其中也会有代码改写的部分，因为那么多h5文件，看着挺烦的，在看下面之前首先保证已经熟悉了sidekit,并且对里边的h5文件的格式都很清楚
jinmingz·2020-08-19 06:42

声学模型学习笔记（三） DNN-HMM hybrid system

architecture声学信号使用HMM框架建模，每个状态的生成概率使用DNN替换原来的GMM进行估计，DNN每个单元的输出表示状态的后验概率。
xmucas·2020-08-19 06:53

运动目标前景检测之ViBe源代码分析

一方面为了学习，一方面按照老师和项目的要求接触到了前景提取的相关知识，具体的方法有很多，帧差、背景减除（GMM、CodeBook、SOBS、SACON、VIBE、W4、多帧平均……）、光流（稀疏光流、稠密光流
VisionZQ·2020-08-19 06:52

I-Vector的推导详解

一、前言目前UBM-MAP-GMM是一种说话人确认技术的标准系统，在JFA模型下，我们可以把生成式模型扩展成为具有说话人部分(本征音空间矩阵V)和信道部分(本征信道空间矩阵U)这两个联合模型。
Dominic221·2020-08-19 05:34

声纹识别笔记（二）提取ivector与PLDA流程概述以及最新模型

目录1.训练UBM通用背景模型GMM-UBM2.训练与提取ivectori-vectorDNN-basedivectord-vector3.训练分类器（e.g.PLDA，神经网络）距离度量：余弦距离LDAPLDA
新一姬·2020-08-19 04:03

最大熵模型与EM算法及python实现

（互）信息2.熵、条件熵3.交叉熵、相对熵最大熵模型11.凸优化理论推导Maxent2.与MLE的关系EM算法11.GMM实例2.MLE推导我希望自己能通俗地把它理解或者说明白，但是，EM这个问题感觉真的不太好用通俗的语言去说明白
ljtyxl·2020-08-19 04:11

声纹识别之Alize入门教程(三)：I-vector

最终生成的得分文件res/scores_PLDA_lengthnorm.txt，其含义参考GMM-UBM。
NonDay·2020-08-19 04:09

说话人识别之GMM-UBM系统

GMM-UBM,最经典代表作：SpeakerVerificationUsingAdaptedGaussianMixtureModels每个人的声音都有独特的特征,这个特征由两个音素决定:1.声腔的尺寸2
唐维康·2020-08-19 04:24

利用 MSR Identity Toolkit v1.0 中的 GMM-UBM 做语音说话人确认

前言最近开始搞毕设，刚完成一个小任务，趁着有空，整理一下这学期的实验。时间有点久远了，害怕时间再长一些，自己真的就全忘光了。本实验很大一部分参考了班级里一位萌妹子的博客，在这里贴一下地址：hit说话人确认实验实验中，就写了一些生成配置文件的python代码，关于说话人确认部分的代码基本没写；因此感觉，这个实验，有点，，，。。。emm，主要还是自己事情有点多，直接选了个最简单的。废话不多说，开始进入
rocketeerLi·2020-08-19 03:20

GMM高斯混合模型理论与代码实现

什么是GMM？
Take your time_·2020-08-19 03:08

声纹识别GMM-UBM

GMM(高斯混合模型)–用多个高斯概率密度函数的加权可以平滑的逼近任意形状的概率密度函数，对实际数据有极强的表现力。GMM规模越庞大，表征力越强，但随着参
林林宋·2020-08-19 03:26

语音识别之GMM-HMM模型（一）：语音识别简介与混合高斯模型-GMM

写在前面都知道语音识别有GMM-HMM模型，也分别了解了什么是：GMM（混合高斯模型）https://blog.csdn.net/qq_37385726/article/details/89198387MMC
啧啧啧biubiu·2020-08-19 03:52

声纹识别之i-vector/plda

文章目录gmm-ubmi-vectorpldaReference最近做声纹识别的项目，要用到i-vector/plad，通过查阅各种资料，大概弄清楚了整个过程的来龙去脉，在此记录一下。
子耶·2020-08-19 03:46

语音识别-GMM算法原理

GMM（高斯混合模型）是相对于单高斯模型来说的，是多个单高斯分布进行混合，理论上可以拟合出所有的分布曲线，主要应用于聚类算法。
机器灵·2020-08-19 02:00

kaldi中基于决策树的状态绑定

如果不进行聚类，我们需要建立(218的3次方)*3个混合gmm模型(假设每个triphone有3个状态)，计算量巨大,另一方面会引起数据稀疏。
nlpgeek·2020-08-19 01:28

声纹识别-3.i-vector/PLDA（上篇）

声纹识别-3.i-vector/PLDA（上篇）前言前面两篇博文分别介绍了声纹识别的绪论和传统的GMM-UBM声纹识别算法。
白水煮蝎子·2020-08-19 00:21

声纹识别-2.GMM-UBM（高斯混合模型-通用背景模型）

声纹识别-2.GMM-UBM（高斯混合模型-通用背景模型）前言声纹识别-1.绪论中回顾了声纹识别的类别，性能评价指标和算法。
白水煮蝎子·2020-08-19 00:21

GMM模型和EM算法

GMM模型和EM算法高斯混合模型GMM上图的分布很难用一个高斯分布进行模拟。观察上图，大致可以看见6个分布。将6个高斯分布线性加到一起就组成了能描述上图的高斯混合分布。
一头大萝北·2020-08-18 22:14

Matlab计算机视觉、图像处理工具箱推荐

语言编写提供C语言和Matlab两种接口，可以实现大量计算机视觉算法，其中包括：（1）常用图像处理功能，包括颜色空间变换、几何变换（作为Matlab的补充，一般可用于数据集的扩充），常用的机器学习的算法，包括GMM
Shomlin·2020-08-18 10:26

triphone训练

/article/details/78070595目录决策树部分1.acc-tree-stats2.cluster-phones3.compile-question4.build-tree训练部分1.gmm-i
我是个粉刷匠·2020-08-17 08:51

利用GMM对鸢尾花聚类

文章目录数据选取和数据情况利用高斯混合模型聚类模型原理GMM实现k-means生成模型初始参数EM算法迭代训练模型预测模型聚类效果参考资料数据选取和数据情况本次聚类实验仍然选取鸢尾花数据集（http:/
fff2zrx·2020-08-16 14:22

李宏毅机器学习笔记(十三)——无监督学习(一)：聚类算法

文章目录一.什么是数据聚类二.基于GMM的聚类三.k-means聚类法四.层次凝聚聚类五.DBSCAN聚类法一.什么是数据聚类  如果我们想要对全部都是无标签的数据进行分类，这时候数据聚类就是一大类方式
Unique13·2020-08-16 11:00

第十二讲：贝叶斯学习与EM算法（下)

主要内容2EM算法2.1引入2.1.1MLE回顾2.1.2高斯混合模型与EM算法2.1.3GMM的贝叶斯理解2.1.4EM算法的收敛性2.2算法2.2.1算法过程2.2.2总结2.3一些例子2.3.1硬币模型
leo_fighting·2020-08-16 10:06

GMM混合高斯模型的EM算法及Python实现

GMM（混合高斯模型）的EM算法1.算法理论p(x)=∑Kk=1πkN(x|μk,εk)N(x|μk,εk)=1(2π)d|εk|√exp(−12(xi−μk)Tε−1k(xi−μk))∑Kk=1πk=
z大酱·2020-08-16 10:31

机器学习（十四）-GMM混合高斯模型(Gaussian mixture model)算法及Python实例

运行平台：WindowsPython版本：Python3.xIDE：PyCharm一什么是Gaussianmixturemodel高斯混合模型，英文全称：Gaussianmixturemodel，简称GMM
Blessy_Zhu·2020-08-16 09:30

SparkML机器学习之聚类（K-Means、GMM、LDA）

聚类的概念聚类就是对大量未知标注（无监督）的数据集，按照数据之间的相似度，将N个对象的数据集划分为K个划分（K个簇），使类别内的数据相似度较大，而类别间的数据相似较小。比如用户画像就是一种很常见的聚类算法的应用场景，基于用户行为特征或者元数据将用户分成不同的类。常见聚类以及原理K-means算法也被称为k-均值，是一种最广泛使用的聚类算法，也是其他聚类算法的基础。来看下它的原理：既然要划分为k个簇
weixin_33973609·2020-08-16 09:41

LDA模型

原文的主要内容有两种方法设计分类器：1.discriminativemodel，就是由样本直接设计判别函数，例如SVM；2.generativemodel，就是先从样本恢复概率模型——例如我们熟悉的参数方法：混合高斯模型GMM
提灯夜行者·2020-08-16 08:59

【贝叶斯分析⑥】高斯混合模型

代码地址：https://github.com/ChengJiacheng/bayesian-analysis/blob/master/GMM.py有时候，某些数据的生成无法用一个简单的高斯分布描述，但可以用高斯分布的组合来描述
qq_32464407·2020-08-16 07:00

Kmeans中的K值选取

拐点法：把聚类结果的F-test值（类间Variance和全局Variance的比值）对聚类个数的曲线画出来，选择图中拐点3.基于InformationCritieron的方法：如果模型有似然函数（如GMM
简单点1024·2020-08-16 04:18

图像压缩之《Learned Image Compression with Discretized Gaussian Mixture Likelihoods and Attention Modules》

://arxiv.org/pdf/2002.01657.pdf代码地址：https://github.com/ZhengxueCheng/Learned-Image-Compression-with-GMM-and-Attention
凤舞九天cw·2020-08-16 00:33

语音识别—Viterbi解码

Viterbi解码理论与实战笔者最近着手研究基于HMM的语音识别系统，之前博文基于C++工具手写了提取MFCC语音特征（具体可以观看之前博文），最同时，也对基于GMM-HMM的语音识别训练过程进行了理论推导
Xwei1226·2020-08-15 22:58

语音识别—声学模型训练（Viterbi-EM）

Viterbi-EM语音识别训练方法前文刚研究过语音识别特征提取以及基于Viterbi的状态解码方法，现着手研究基于GMM-HMM的语音语音识别声学模型训练方法，其理论部分可参考本人前期所写的GMM-HMM
Xwei1226·2020-08-15 22:58

语音识别研究现状

2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率
Xwei1226·2020-08-15 22:58

自动语音识别ASR入门介绍

GMM+HMM应用场景，做输入法，输入一段话，变成文字，智能地往里面加标点符号。特征提取最常用MFCC一帧frame信号，通常20-50ms（2-3个周期，人说话频率100Hz），一个音素之内。
夜空骑士·2020-08-15 21:17

CNN-ASR

2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率
Xwei1226·2020-08-15 20:13

混合高斯模型&AIC-BIC挑选中心个数

然后就用了BIC准则选择类个数，效果出奇的好哈哈哈哈GMM初值对结果会有很大影响，按数据min，max均分正态的均值，然后用整体数据的方差作为初始方差完美的解决了这个问题。可能是我们数据本身的原因。
zzucaicai·2020-08-14 08:12

用matlab做高斯混合模型(GMM)聚类分析

训练GMM参数：options=statset('MaxIter',1000);gmm=gmdistribution.fit(feature,k,'Covtype','Diagonal','Regularize
HitagiDesu·2020-08-14 00:53

无监督学习 | DBSCAN 原理及Sklearn实现

3.3与KMeans比较4.SKlearn实现5.在线可视化DBSCAN参考文献相关文章：机器学习|目录机器学习|聚类评估指标机器学习|距离计算无监督学习|KMeans与KMeans++原理无监督学习|GMM
X1AO___X1A·2020-08-13 22:31

sklearn GMM BIC 模型选择

np.infty:inf对GMM模型直接调用bic就可以得到其值itertools.cycle:实例化圆形迭代器，zip具有压缩取短的性质。
斯温jack·2020-08-13 18:42

ML：非监督学习之 聚类_从KMeans到GMM高斯混合聚类

本文节选于《PythonDataScienceHandbook》byJakeVanderPlas2016-11-17FirstEditionInDepth:GaussianMixtureModelk-means聚类模型简单、易于理解，但是也因此无法处理比较复杂的聚类问题。尤其是它的非概率论本质，和它用简单的distance-from-cluster-center/中心点距离来进行聚类方法，导致在许
htuhxf·2020-08-13 14:14

高斯混合模型（matlab代码+注释）

这里我学习的是StatisticalPatte7rnRecognitionToolbox中的emgmm代码，代码中的主要知识点在之前的GMM文档中基本解释清楚，包括EM算法中的两个步骤。
daisy9212·2020-08-13 13:08

EM算法估计GMM （二维高斯混合模型）参数　ｐython 2.7（西瓜书版）

#!/usr/bin/python#coding:utf-8#19-5-23上午10:07#@File:EM.pyimportnumpyasnpimportmathimportmatplotlib.pyplotasplt#realparmp=[0.2,0.3,0.5]#选择高斯分布的概率mean1=[1.0,2.0]mean2=[2.0,1.0]mean3=[1.0,1.0]cov1=[[1.0,
qq_42105426·2020-08-12 12:20

简单理解：一维单高斯 多维单高斯 混合多高斯GMM

强迫症超级严重，在学习中，又总是遇坑，弄不明白的地方就难受，不明白的必须要想明白，不然信不信能失眠到天亮，某人说的思维惯性真的是会冲到黎明的，我保证我能感同身受。简单的高斯分布，全部理解清楚就花了我好久的时间，今天总算全部打通，记录我下我的理解。遇到问题：对单高斯，混合单高斯，多维单高斯，等概念混淆，一直理解得乱糟糟，一不小心就混淆。解决问题：由浅及深，从概念，到公式推导，最后全部理解清楚。单高斯
图图噜·2020-08-11 22:04

语音识别方向的资料获取

1.总览：传统的模型为语言模型+声学模型，语言模型表示词之间的相互关系，声学模型表示音素和语音波形信号的对应，由于语音信号的多变性（长度，音调等变化），用GMM+HMM模型。
qq_33874667·2020-08-11 20:31

高斯混合模型GMM---【1】

1.高斯混合模型概念高斯混合模型（GaussianMixtureModel）是一种聚类算法，它是多个高斯分布函数的线性组合，通常用于解决同一集合下的数据包含多种不同的分布情况。高斯混合模型是指具有如下形式的概率分布模型：其中K为高斯混合模型中成分的个数，g为高斯分布密度，均值是μ\muμ协方差矩阵是∑k\sum{_k}∑k,另外ω\omegaω是每个成分的权重。例如如图下所示，是两个高斯分量叠加而
王延凯的博客·2020-08-11 19:13

基于SVM向量机创建自己的OCR汉字库

halcon的三种分类器，即MLP（神经网络）、SVM（支持向量机）、GMM（高斯混合模型）。三种都代表什么就不说了，新人的我只能告诉大家百度吧！
文静先生·2020-08-10 07:36
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他