GMM

一般knn算法识别mnist数据集（代码）

knn的基本原理在k-means、GMM聚类、KNN原理概述有介绍，比较全的原理介绍在http://www.hankcs.com/ml
老笨妞·2017-09-14 13:41

k-means、GMM聚类、KNN原理概述

由于工作需要，最近开始弄k-means、KNN、GMM聚类。总结一下这两种聚类方法吧。1.K-means原理：这基本上是最简单也最经典的聚类方法。
老笨妞·2017-09-13 09:36

2018百度金融技术部机器学习工程师提前批面试

一面：讲SVM模型（从线性分类到近似线性分类再到线性不可分）其中问了松弛变量的作用，常用的核函数讲一下GMM模型（EM算法）生成模型，判别模型适用场景，优缺点Precision，Recall计算方法讲朴素贝叶斯二叉树后序遍历找两份日志文件中的重复出现的
60506013·2017-09-02 16:28

法师线——图像处理算法

fgmask);fgimg=scalar::all(0);img.copyTo(fgimg,fgmask);//得到背景bg_model->getBackgroundImage(bgimg);原理：利用gmm
hallao0·2017-08-24 09:11

新手做深度学习项目-话者识别系统

关于话者识别通过看论文，发现，话者识别在2016年之前，还是停留在用ivector、GMM-UBM，这些简单的机器学习模型，然后用PLDA降维优化；2016年之后，可
William张·2017-08-12 00:00

一文详解高斯混合模型（GMM）在图像处理中的应用（附代码）

一.概述高斯混合模型(GMM)在图像分割、对象识别、视频分析等方面均有应用，对于任意给定的数据样本集合，根据其分布概率，可以计算每个样本数据向量的概率分布，从而根据概率分布对其进行分类，但是这些概率分布是混合在一起的
weixin_33750452·2017-08-02 15:00

机器学习算法（七）EM算法族 EM、GMM

一、GMM算法EM算法实在是难以介绍清楚，因此我们用EM算法的一个特例GMM算法作为引入。
谦芊珺·2017-07-26 00:50

机器学习算法（六）K-Means聚类、层次聚类、密度聚类、谱聚类

1、K-means聚类记k个簇中心，为μ1,μ2,…,μk,每个簇的样本数为Ni假设每个簇中的数据都满足分布N(μi,σ)，即方差相同，均值不同的GMM。
谦芊珺·2017-07-25 23:30

机器学习 - 聚类算法

K-means，k-means++，二分K-means，mini-batchKmeans，meanshift，GMM聚类等等。2.基于密度基于密度的聚类算法假设聚类
KeeJee·2017-07-25 11:35

图像处理算法工程师面试题

7.GMM的基本原理和应用。8.用具体算法举例说明监督学习和非监督学习的区别。数学知识：1.贝叶斯全概率公式题。2.最小二乘拟合的公式推导和代码实
ali_dongdong·2017-07-06 09:43

EM算法的学习笔记

但是其中的数学原理，GMM的推导等等其实并不简单，难想更难算。这篇博客主要基于翻译我看过的好材料，对其中做出些许的解释。
littleorange6·2017-07-03 20:15

kaldi安装及yesno实例

目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多种语音识别的模型的训练和预测。
Shmily_Young·2017-07-03 16:44

高斯混合模型（理论+opencv实现）

写在前面：GaussianMixtureModel(GMM)。
影醉阏轩窗·2017-06-14 15:00

图像处理之高斯混合模型

图像处理之高斯混合模型  一：概述高斯混合模型(GMM)在图像分割、对象识别、视频分析等方面均有应用，对于任意给定的数据样本集合，根据其分布概率，可以计算每个样本数据向量的概率分布，从而根据概率分布对其进行分类
jia20003·2017-05-26 17:00

计算样本数据的方差, 标准方差与协方差

二：代码实现Java代码实现计算数据的方差，标准方差、协方差packagecom.gloomyfish.image.gmm; publicclassCalculateVariance{ publicdoublemean
jia20003·2017-05-26 12:00

斯坦福大学机器学习——EM算法求解高斯混合模型

辜丽川老师和其夫人发表的论文：基于分裂EM算法的GMM参数估计（提取码：77c0）改进了这一缺陷。下面来谈谈EM算法以及其在求解高斯混合模型中的作用。一、   高斯混合模型（GaussianM
bbbeoy·2017-05-21 20:00

使用Matlab自带计算机视觉库的混合高斯前景检测模型

二、代码%GMM前景检测foregroundDetector=vision.ForegroundDetector('NumGaussians',3,...'
ForeverYang2015·2017-05-08 16:31

高斯混合模型 GMM

在一般的分类问题中，通常的套路都是提取特征，将特征输入分类器训练，得到最终的模型。但是在具体操作时，一开始提出的特征和输入分类器训练的特征是不一样的。比如假设有N张100×100的图像，分别提取它们的HoG特征x∈Rp×q，p为特征的维数，q为这幅图像中HoG特征的个数。如果把直接把这样的一万个x直接投入分类器训练，效果不一定好，因为不一定每个像素点的信息都是有价值的，里面可能有很多是冗余的信息。
小胖蹄儿·2017-05-02 16:04

高斯混合模型 GMM

在一般的分类问题中，通常的套路都是提取特征，将特征输入分类器训练，得到最终的模型。但是在具体操作时，一开始提出的特征和输入分类器训练的特征是不一样的。比如假设有N张100×100的图像，分别提取它们的HoG特征x∈Rp×q，p为特征的维数，q为这幅图像中HoG特征的个数。如果把直接把这样的一万个x直接投入分类器训练，效果不一定好，因为不一定每个像素点的信息都是有价值的，里面可能有很多是冗余的信息。
小胖蹄儿·2017-05-02 16:04

Spring Boot系列(三):Spring Boot转化为json数据格式

为我们良好的提供了我们需要的数据,将数据转化为json格式,然后返回,下面请看springboot转化为json的方式;第一种方式:SpringBoot框架默认的方式;步骤:*1.编写实体类student;packagecom.gmm
古美門·2017-04-30 00:00

有趣的开源软件：语音识别工具Kaldi (一)

目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多种语音识别的模型的训练和预测。
算法学习者·2017-04-21 13:22

4-Embedded Training

原文链接：http://www.cnblogs.com/vikYao/p/6818030.html在《GMM-HMMs语音识别系统-训练篇》中，默认的训练数据都是进行了手工音素标记的。
bangdan0851·2017-04-19 13:00

Kaldi 中文语音识别需要考虑的问题

5.NoiseRobustASR6.DeepLearning[DNN/CNN替换GMM]7.在手机等资源受限设备author:FeitengEmail:[email protected]
会飞行的小蜗牛·2017-04-13 09:03

如何用 Kaldi 训练一个 DNN 声学模型

英文原文地址：点击打开链接本人译文如下：1.介绍：首先，需要完成标准的GMM-HMM声学模型的训练训练monophonemodel是通过GMM-HMMSystem做utterance-leveltranscriptions
会飞行的小蜗牛·2017-04-11 21:11

机器学习笔记（十）EM算法及实践（以混合高斯模型（GMM）为例来次完整的EM）

今天要来讨论的是EM算法。第一眼看到EM我就想到了我大枫哥，EMMaster，千里马，RUA!!!不知道看这个博客的人有没有懂这个梗的。好的，言归正传，今天要讲的EM算法，全称是Expectationmaximization，期望最大化。怎么个意思呢，就是给你一堆观测样本，让你给出这个模型的参数估计。我靠，这套路我们前面讨论各种回归的时候不是已经用烂了吗？求期望，求对数期望，求导为0，得到参数估计
王大宝的CD·2017-03-24 12:01

运动目标检测——ViBe算法代码分析

个人了解的大概概括为以下一些：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）、运动竞争（MotionCompetition）、
charlene_bo·2017-03-17 10:49

高斯混合模型（GMM）及其EM算法的理解

一个例子高斯混合模型（GaussianMixedModel）指的是多个高斯分布函数的线性组合，理论上GMM可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同的分布的情况（或者是同一类分布但参数不一样
阿拉丁吃米粉·2017-03-02 18:36

STFT和声谱图，梅尔频谱（Mel Bank Features）与梅尔倒谱（MFCCs）

最近小编在做ASC（AcousticSceneClassification）问题，不管是用传统的GMM模型，还是用机器学习中的SVM或神经网络模型，提取声音特征都是第一步。
sc一号·2017-03-01 20:54

opencv之GMM高斯混合模型源码解析

转载自：http://blog.csdn.net/thefutureisour/article/details/8480985之前看到过C版本的，感觉写的很长，没有仔细看，但是C++版本的写的还是很不错的。我仔细看了一下，并对内容进行了仔细的注释，如果有人没有看懂，欢迎留言讨论。先看一眼头文件，在background_segm.hpp中[cpp]viewplaincopyprint?classCV
qq_26460507·2017-02-21 21:53

Kaldi 学习总结

0.看语音识别相关英文著作时,word的理解1.声学训练时，HMM，GMM都用在什么地方2.P(W|O)的深入理解likelihood的简单理解:P(O|W):给定O,调整W，使得P(O|W)最大3.语音识别过程理解参看这个链接就可以了
会飞行的小蜗牛·2017-02-16 17:26

webrtcvad python——语音端点检测

py-webrtcvad语音端点检测算法说明webrtc的vad使用GMM(GaussianMixtureMode)对语音和噪音建模，通过相应的概率来判断语音和噪声，这种算法的优点是它是无监督的，不需要严格的训练
benhuo931115·2017-02-07 14:00

运动目标检测（GMM、Code Book、Vibe）

运动目标检测（前景背景分离）被认为是视频分析学习的入门基础，分为以像素为特征的方法和以纹理为特征的方法，以纹理为特征的方法主要参考上节所讲的LBP和SILTP，这里我们重点介绍像素方法，像素方法是最常用也是最直观的方法。像素方法假设的基础是背景建模，即建立背景像素的模型，符合该模型的像素判断为背景并且作为新的输入对背景进一步更新，不符合该模型的像素点判断为前景（即运动目标），主流的前景检测方法包括
linolzhang·2017-01-11 17:53

运动目标检测 之 GMM背景模型算法

综述单高斯背景建模是一种基于像素样本统计信息的背景表示方法，它是根据视频中的每个像素在时域上的概率统计信息(均值/方差)来构建各个像素的颜色分布模型，依次来达到背景建模的目的。背景建模完成后，使用统计差分进行目标像素判断以达到对前景目标的检测，同时用目标像素不断更新背景模型以实现对动态背景的建模拟合。混合高斯背景模型是有限个单高斯分布的加权和，它能描述像素的多峰状态，适用于对光照渐变、树木摇摆等复
_苏_·2017-01-05 18:06

机器学习方法：回归（一）：线性回归Linear regression

content:linearregression,Ridge,LassoLogisticRegression,SoftmaxKmeans,GMM,EM,Spec
ChelseaForeverLove·2016-12-14 19:21

深度学习框架之视频处理应用

关于视频分析或者图像处理过程如下：1.首先要提取视频中的运动物体，常用算法有：帧差法，GMM，vibe等；2.提取前景（运动物体）后对其进行跟踪，主要算法有：camshift，粒子滤波，TLD，压缩感知等
_Hook_·2016-11-13 12:01

3516a HI_MPI_IVE_GMM 跑不通

HI_VOIDGMMSampleSingle(){#if1IVE_SRC_IMAGE_SstIveImg;IVE_DST_IMAGE_SstIveFg;IVE_DST_IMAGE_SstIveBg;HI_BOOLbInstant=HI_TRUE;//mustbetrueIVE_HANDLEhIveHandle;//handleIVE_MEM_INFO_S*pstDst;//gmmmodelIVE_
jinggegebuaa·2016-10-21 15:59

面试基础知识准备

7.GMM的基本原理和应用。8.用具体算法举例说明监督学习和非监督学习的区别。数学知识：1.贝叶斯全概率公式题。2.最小二乘拟合的公式推导和代码实
zijingping·2016-10-17 21:48

图像算法之九：混合高斯模型GMM

一、原理混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景，然后使用统计差分(如3σ原则)进行目标像素判断，可以对复杂动态背景进行建模，计算量较大。在混合高斯背景模型中，认为像素之间的颜色信息互不相关，对各像素点的处理都是相互独立的。对于视频图像中的每一个像素点，其值在序列图像中的变化可看作是不断产
SoaringLee_fighting·2016-10-06 14:46

[综]前景检测GMM

tornadomeet前景检测算法_4(opencv自带GMM)http://www.cnblogs.com/tornadomeet/archive/2012/06/02/2531705.html前面已经有
编著人·2016-10-02 16:00

EM最大期望算法

EM算法的具体含义在许多书本、网站上都有介绍，现在我用matlab实现了该算法的一个具体应用：混合高斯样本的参数估计(GMM)，也就是说现在我们有许多的样本，也知道这些样本取自于多少的高斯分布，但是对于具体的一个样本属于哪种分布
cutelily2014·2016-09-28 10:09

EM 算法之二—————高斯混合模型与 EM

辜丽川老师和其夫人发表的论文：基于分裂EM算法的GMM参数估计（提取码：77c0）改进了这一缺陷。下面来谈谈EM算法以及其在求解高斯混合模型中的作用。一、   高斯混合模型（GaussianM
u013378306·2016-09-16 14:00

LDA论文导读

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
cornerCao·2016-08-23 15:43

超大型led显示屏

#include#includeusingnamespacestd;intbb[10]={6,2,5,5,4,5,6,3,7,6};intmain(){inth,m,s,ghh,gmm,gss,hhh,
Jiang_youge·2016-08-04 10:46

HALCON学习之算子大全

1.1Gaussian-Mixture-Models1.add_sample_class_gmm功能：把一个训练样本添加到一个高斯混合模型的训练数据上。
dancing_night·2016-07-15 14:48

机器学习读书笔记（高斯混合模型GMM与EM）（改）

高斯混合模型（Gaussianmixturemodel，GMM）是单一高斯概率密度函数的延伸。GMM能够平滑地近似任意形状的密度分布。欲了解高斯混合模型，那就先从基础的单一高斯概率密度函数讲起。
魔峥·2016-07-12 22:06

阴影消除研究

用GMM提取运动目标，在光照比较强烈的条件下，会把阴影也当成运动目标提取出来。
dp_research·2016-07-11 08:13

前景检测算法（七）--ViBe算法

个人了解的大概概括为以下一些：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）、运动竞争（MotionCompetition）、
Eason.wxd·2016-07-09 13:31

前景检测算法（五）--GMM，GMM2，GMG

http://blog.csdn.net/chuhang_zhqr/article/details/51060745GMM是网上到处可见且用得最多的背景建模算法，论文上很多相关概率公式，又看了很多博客对于
Eason.wxd·2016-07-06 22:28

EM（期望最大化）聚类详细推导

1.简介在讲EM之前，不知道大家还记不记得GMM算法，这个算法本质上也是一种聚类算法，而且GMM的求解正是利用本篇所讲的EM聚类来得到高斯分量的。
eternity1118_·2016-05-27 16:41

EM（期望最大化）聚类详细推导

1.简介    在讲EM之前，不知道大家还记不记得GMM算法，这个算法本质上也是一种聚类算法，而且GMM的求解正是利用本篇所讲的EM聚类来得到高斯分量的。    
eternity1118_·2016-05-27 16:00
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他