gmm

高斯混合模型(GMM)学习笔记

matplotlibinlineimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdimportseabornassnssns.set()高斯混合模型（GMM
jiangkui007·2018-09-27 14:28

语音识别技术的前世今生

语音识别技术之前世：GMM+HMM知识点1：孤立词识别知识点2：连续语音识别知识点3：潘多拉魔盒语音识别技术之今生：神经网络知识点1：前馈神经网络（Tandem结构、Hybrid结构）知识点2：循环神经网络
湾区人工智能·2018-09-19 20:50

聚类——GMM

聚类——认识GMM算法作者：凯鲁嘎吉-博客园http://www.cnblogs.com/kailugaji/一、GMM概述二、GMM算法步骤三、具体推导参考文献1.李航.统计学习方法[M].清华大学出版社
凯鲁嘎吉·2018-09-14 19:00

Kaldi aishell2 GMM训练步骤(含aishell1语料转aishell2组织方式)

aishell2的语料库，有资格的可以申请，所以拿aishell1的15G语料进行训练，所以写了相关的脚本处理aishell1的语料库，来适配aishell2，可以参考我的github仓库aishell2_gmm_train1
遇逆境处之泰然·2018-09-12 22:42

万物的本质是什么

数：人类用来描述象的模型，例如重力公式G=mg万有引力公式F=GMm/R²，并不仅限于数学为基础的逻辑科学文明体系，还包括易数等能对过去和未来进行推演的非逻辑神秘超能体系。
麓蜂·2018-09-12 06:15

OpenCV之视频分析与对象跟踪(二) 背景消除建模(BSM)

两个常用的算法：图像分割(GMM–高斯混合模型)，机器学习(KNN–K个最近邻)代码：#include#includeusingnamespacecv;usingnamespacestd;intmain
黑夜奔跑·2018-08-23 09:45

Scikit-Learn学习笔记——高斯混合模型(GMM)应用：分类、密度估计、生成模型

高斯混合模型k-means聚类模型非常简单并且易于理解，但是他的简单性也为实际应用带来了挑战。特别是实际应用中，k-means的非概率性和它仅根据到簇中心点的距离来指派将导致性能低下。高斯混合模型可以看作是k-means的一个扩展，但它也是一种非常强大的聚类评估工具。k-means算法的缺陷在实际聚类的过程中，两个簇往往会存在重合部分。k-means算法对于重合部分的点被分配到哪个簇缺乏一个评估方
盐味橙汁·2018-08-22 00:00

语音识别——kaldi HMM-GMM全部训练脚本分解

train_mono.shtrain_deltas.shtrain_lda_mllt.shtrain_sat.shtrain_mono.sh单音素训练脚本：//初始化，[topofeats]->[0.mdltree]gmm-init-mono
Audior·2018-08-20 18:55

OpenCV之图像分割(二) 高斯混合模型(GMM)方法 样本数据训练与预言&图像分割

基于高斯函数的算法，通过混合单个或多个高斯函数，计算对应像素中概率，哪个分类的概率最高的，则属于哪个类别图解：GMM算法概述GMM方法跟K-Means相比较，属于软分类实现方法-期望最大化(E-M)停止条件
黑夜奔跑·2018-08-19 10:01

OpenCV之图像分割（一）KMeans方法_数据聚类&图像分割

概述：KMeans方法GMM方法分水岭方法GrabCutKMeans方法1.无监督的学习方法（不需要人为的干预）2.分类问题，输入数目，初始化中心位置3.硬分类方法，以距离度量（不同的分类会有不同的分类标准
黑夜奔跑·2018-08-18 11:16

sklearn各聚类算法比较

文章目录1、各聚类算法的比较2、聚类评估2.1、轮廓系数（SilhouetteCoefficient）2.2、DBSCAN2.3、MeanShift2.4、GMM3、附录1、各聚类算法的比较fromtimeimporttimeimportnumpyasnp
基基伟·2018-08-06 20:57

基于HMM的语音合成技术中的参数生成算法

mobile=1一、定义与定理在基于隐马模型的语音合成技术中，连续密度隐马尔科夫模型（CD-HMM）集用于将语音参数建模，每个HMM状态的输出状态用单高斯函数（Gaussian）或混合高斯函数（GMM）
linda_gen·2018-08-06 01:37

语音识别——kaldi基于GMM的单音素模型 训练部分

文章目录1.gmm-init-mono模型初始化2.compile-train-graghs训练图初始化3.align-equal-compiled特征文件均匀分割4.gmm-acc-stats-ali
Audior·2018-08-01 17:25

十、最大熵模型与EM算法

一、最大熵模型1、熵联合熵和条件熵相对熵交叉熵互信息总结2、最大熵模型二、EM算法（期望最大化算法）三、GMM一、最大熵模型lnx0f(x)=x−1−lnx,x>0，求导是凸函数，在x=1处取得极值1、
呆呆的猫·2018-07-30 16:12

语音识别-kaldi下载与安装

Kaldi是为语音识别开发者提供的非常强大的工具库，其名字来自一个传说中发现咖啡树的牧羊人，由C++编码，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。
机器灵·2018-07-21 16:46

利用Python实现高斯混合模型（GMM）

前言之前将网易公开课上吴恩达机器学习视频中高斯混合模型（GMM）及其EM算法反反复复看了几遍之后并将所有公式重新推导了一遍，现在利用Python进行手写进一步加深理解。
追梦者_AIer·2018-07-20 16:09

详解EM算法与混合高斯模型(Gaussian mixture model, GMM)

最近在看晓川老（shi）师(shu)的博士论文，接触了混合高斯模型（Gaussianmixturemodel,GMM）和EM(ExpectationMaximization)算法，不禁被论文中庞大的数学公式所吓退
林立民爱洗澡·2018-07-14 23:34

EM算法及GMM(高斯混合模型）的详解

一、预备知识1.1、协方差矩阵1.2、黑塞矩阵1.3、正定矩阵二、高斯混合模型2.1、标准差椭圆2.2、高斯混合模型（GMM）2.3、多元高斯混合2.4、应用场景2.5、kmeans应用2.6、基本Jensen
sakura小樱·2018-07-12 19:32

算法面试---算法面试该准备的知识点

传统机器学习：lr、svm、gmm、kmeans、隐马尔科夫、朴素贝叶斯决策树，信息增益，基尼系数ensemblemethod：bagging、stacking、boosting，具体的比如randomforest
Dean0Winchester·2018-07-07 17:40

声纹识别综述

FBank等短时频谱特征；D-vector(谷歌2014年提的）Deepfeature/Bottleneckfeature/Tandemfeature(三者不是并行关系，可以搜关键词查看相关论文）模型方面：GMM-UBMJFA
akenseren·2018-07-06 17:14

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。
dxm809·2018-07-03 13:19

基于深度学习的语音识别研究-CTC理论推导（四）

首先，我们得知道为什么要引入CTC，前面博客讲到，之前在做语音的声学模型的时候，我们的数据形式是帧与标签的分别对齐，以Thchs30为例，训练集大约25小时的数据集，经过kaldi的GMM-HMM对齐之后
Xwei1226·2018-07-02 22:24

语音识别算法原理文档整理（四）

GMM算法1.GMM模型：样本数据x，该数据是有k个高斯混合产生的，每个GMM由K个Gaussian分布组成，每个Gaussian称为一个“Component”，这些Component线性加成在一起就组成了
风口上的传奇·2018-06-22 20:19

语音识别算法原理文档整理（三）

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。
风口上的传奇·2018-06-22 20:57

kaldi 说话人自适应

在GMM-HMM模型中，自适应方法有特征空间变换和模型空间变换。
落红灬有丶情·2018-06-13 17:36

语音识别资料（一）

spm=5176.100240.searchblog.169.u7kwwl语音识别GMM-H
一摩尔自由·2018-06-08 14:48

EM算法推导（收敛性证明和在GMM中的应用）

一、EM算法的提出当你有一组数据像如下这样：Note:picturesource显然用单个高斯分布模型去拟合它们效果不好，这是一个典型的高斯混合模型的例子：p(X)=∑l=1kαlN(X∣μl,Σl)∑l=1kαl=1p(X)=\sum_{l=1}^k\alpha_lN(X|\mu_l,\Sigma_l)\quad\sum_{l=1}^{k}\alpha_l=1p(X)=l=1∑kαlN(X∣μl
kevinoop·2018-05-31 20:46

GaussianMixtureMode

概述聚类算法大多数采用相似度来判断，而相似度又大多数采用欧式距离长短来衡量，而GMM采用了新的判断依据—–概率，即通过属于某一类的概率大小来判断最终的归属类别GMM的基本思想就是：任意形状的概率分布都可以用多个高斯分布函数去近似
qAOOAp·2018-05-23 22:24

Andrew Ng机器学习课程笔记（十四）之无监督学习之混合高斯模型与EM算法

PrefaceGaussianMixtureModelEMAlgorithmforGMME-StepM-Step基于参数μ的函数最大化基于参数ϕ的函数最大化基于参数Σ的函数最大化EMAlgorithmforGMMPrefaceGaussianMixtureModel（GMM
danerer·2018-05-11 21:46

PySpark机器学习（4）——KMeans和GMM

本文主要在PySpark环境下实现经典的聚类算法KMeans（K均值）和GMM（高斯混合模型），实现代码如下所示：1.KMeans实现代码：%pysparkfrompyspark.ml.clusteringimportKMeansfrompyspark.ml.featureimportStringIndexerfrompyspark.ml.linalgimportVectors
飞鸟2010·2018-05-07 15:27

DNN在线解码（以aishell的chain模型为例）

基于gmm模型的在线解码很简单，网上例子也比较多，但是基于DNN模型的在线解码资料很少，看官网的介绍也比较麻烦。在这里，我将自己做的DNN在线解码的过程记录下来给大家参考，有错误之处恳请指正。
IT_King1·2018-04-27 16:02

Halcon视觉检测——使用分类器分类

Halcon中常用的分类器有GMM（高斯混合模型）、NeuralNets（神经网络）、SVM（支持向量机）等。一般应付常见的分类问题，这些就足够了。
阿卡蒂奥·2018-04-25 18:56

机器学习（一）高斯混合模型

article/details/45244603——————————————————————————————华丽的分割线高斯混合算法是EM算法的一个典型的应用，EM算法的推导过程这里不打算详解，直接讲GMM
ChasingdreamLY·2018-04-19 15:03

ComE: From Node Embedding to Community Embedding

(2016).这篇文章是第一个提出communityembedding的文章，思路为先利用line的方法训练firstorderloss和secondorderloss得到embedding，然后使用GMM
DawnRanger·2018-04-17 22:42

ComE: From Node Embedding to Community Embedding

(2016).这篇文章是第一个提出communityembedding的文章，思路为先利用line的方法训练firstorderloss和secondorderloss得到embedding，然后使用GMM
DawnRanger·2018-04-17 22:42

语音识别学习资料入门整理

GMM-HMM语音识别模型原理篇隐马尔科夫模型-HMM-ATutorialOnHiddenMarkovModels0.概念：语音信号处理/模式识别/统计分析，1.算法:常用的深度学习算法，包括cnn/dnn
海德堡绝尘·2018-04-03 14:30

机器学习：GMM高斯混合模型

1、统计学模型统计学习的模型有两种，一种是概率模型，一种是非概率模型。所谓概率模型，就是指我们要学习的模型的形式是P(Y|X)，这样在分类的过程中，我们通过未知数据X可以获得Y取值的一个概率分布，也就是训练后模型得到的输出不是一个具体的值，而是一系列值的概率（对应于分类问题来说，就是对应于各个不同的类的概率），然后我们可以选取概率最大的那个类作为判决对象（算软分类softassignment）。而
杜佳豪·2018-03-28 15:44

EM算法

例如，单高斯模型（GSM）可以通过最大似然估计进行参数估计，但是我们随后会学习混合高斯模型（GMM），是有好多个单高斯模型混合所得，就要使用EM算法进行参数估计，样本到底属于哪一个单高斯模型就是所谓的隐含数据
机器灵·2018-03-27 15:52

前景提取（1）基于帧差的背景减除法

最近接触移动侦测项目，其对应的原理主要是背景建模，而背景建模方法众多，常见的如帧差法、背景减除法、codebook、Vibe、GMM等。
Mirinda_cjy·2018-03-26 13:45

WebRTC VAD算法初探

这几天对webrtc中的VAD算法做了一些研究，有了一些心得VAD算法中核心的是使用了GMM进行分类，noise作为一类，speech作为一类，两类求后验概率，并且实时的更新GMM的参数但是这个GMM的具体情况是怎么样的
book_bbyuan·2018-03-23 10:40

语音识别中GMM-HMM的相关知识

  本文讲阐述在语音识别中GMM-HMM的知识。其中包括了对GMM（GaussMixtureModel）和HMM（HiddenMarkovModel）的定义、原理及其算法的介绍。
云南省高校数据化运营管理工程研究中心·2018-03-22 11:04

MachineLearning—Gaussian Mixture Model（GMM）和EM最大期望算法

高斯混合模型，如下图是一个观测数据集，数据集明显分为两个聚集核心，我们通过两个单一的高斯模型混合成一个复杂模型来拟合数据。这就是一个混合高斯模型。而求解这个混合高斯模型的参数所使用的算法就是最大期望，即ExpectationMaximization。下面就先后介绍这两种算法。如下为标准正态分布：多维高斯分布模型下概率密度函数如下：公式中，x是维度为d的列向量，u是模型期望，Σ是模型方差。在实际应用
令狐公子·2018-03-21 16:54

语音识别笔记 (四) 基于GMM-HMM的自动语音识别框架

欢迎大家关注我的博客http://pelhans.com/，所有文章都会第一时间发布在那里~尽管基于GMM-HMM的语音识别模型已基本被神经网络所取代，但其背后的思想和处理方式仍需要我们仔细学习。
Pelhans·2018-03-19 17:22

EM算法及对GMM的参数估计（EM算法的R实现 vs R mclust包）

EM算法与高斯混合模型（GMM）EM算法是一种迭代算法，1977年由Dempster等人总结提出，用于含有隐变量（hiddenvariable）的概率模型参数的极大似然估计，或极大后验概率估计。
Joyliness·2018-03-10 01:25

原型聚类之高斯混合聚类及Python实现

高斯混合模型聚类(GaussianMixtureMode，GMM)高斯混合模型是一种概率式的聚类方法，它假定所有的数据样本xx由kk个混合多元高斯分布组合成的混合分布生成。
汪先森-Young·2018-03-08 10:14

机器学习方法篇(22)------模型聚类法

而在概率模型聚类法中，最典型、也最常用的就是高斯混合模型GMM了。那么，GMM是什么，又是如何聚类的？
对半独白·2018-02-24 18:37

揭开神秘面纱： 一文详解高斯混合模型原理

【数据猿导读】高斯混合模型（GaussianMixtureModel）通常简称GMM，是一种业界广泛使用的聚类算法，该方法使用了高斯分布作为参数模型，并使用了期望最大算法进行训练。
数据猿·2018-02-13 00:00

深度学习基础路线

朴素贝叶斯1.6期望、方差、协方差1.7最大似然、最大后验案例：垃圾邮件过滤第二章概率统计中篇2.1常见分布总结2.2最大似然与贝叶斯的关系2.3熵与互信息案例：最大似然估计第三章概率统计下篇3.1以GMM
metal1·2018-02-01 10:13

面试算法（三）— EM算法

李航的EM算法一章的部分地方符号感觉过于抽象，应该具体些更好；先时通过三硬币模型引入EM算法概念，然后说了一下EM算法的流程，第二节公式推导了EM算法，第三节证明了EM算法的收敛性，随后讲了EM算法在GMM
dinkwad·2018-01-07 21:58

GMM-HMM在语音识别中的应用

1.语音识别系统的基本结构2.涉及算法3.GMM高斯混合模型3.1高斯混合模型的基本概念  高斯混合模型是指具有如下形式的概率分布模型：p(y⏐θ)=∑k=1kαkϕ(y⏐θk)其中，αk是系数，αk≥
云南省高校数据化运营管理工程研究中心·2018-01-04 13:58
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他