高斯混合模型_第1頁(yè)
高斯混合模型_第2頁(yè)
高斯混合模型_第3頁(yè)
高斯混合模型_第4頁(yè)
高斯混合模型_第5頁(yè)
已閱讀5頁(yè)，還剩13頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

高斯混合模型

(GaussianMixtureModel)高斯分布其中μ為平均值

(Mean)，σ為標(biāo)準(zhǔn)差(StandardDeviation)高斯混合模型利用高斯模型的平均值描述特徵參數(shù)的分佈位置，共變異矩陣來(lái)描述分型形狀的變化，因此高斯混合模型可以很平滑的描述聲音的特徵分佈高斯混合模型(10個(gè)高斯成分)表示圖高斯混合模型用一個(gè)高斯混合模型來(lái)表示一位語(yǔ)者高斯混合模型高斯混合密度為M個(gè)高斯密度的權(quán)重加總，其公式為:混合權(quán)重必須符合之條件基本密度是D維的高斯函數(shù)其中為特徵向量，為高斯機(jī)率密度值，wi為混合權(quán)重值其中為平均向量，為共變異矩陣，D為特徵向量的維度演算法流程LBG演算法Dtotal=D1+D2D1D2LBG演算法計(jì)算整體平均向量進(jìn)行分裂:將分裂後的平均向量進(jìn)行分類，並計(jì)算出新群集的平均向量LBG演算法計(jì)算平均向量與特徵參數(shù)的距離總和，使得總體距離和獲得最小，也就是當(dāng)更新率小於δ時(shí)即停止重複之前的步驟，直到分裂到所設(shè)定的數(shù)目其中，D’為前一回合的總距離值EM演算法估算初始參數(shù)值假設(shè)有12個(gè)特徵參數(shù)(音框)，分群後的其中一個(gè)A群聚由特徵參數(shù)1、4、7和8四個(gè)特徵參數(shù)所組成，如下:混合權(quán)重值wi平均向量123456789101112特徵參數(shù)1特徵參數(shù)4特徵參數(shù)7特徵參數(shù)84/12=0.33345.56.57.5估算初始參數(shù)值共變異矩陣估算初始參數(shù)值假設(shè)有三組特徵參數(shù)分別為，

則123456平均值為3平均值為4EM演算法取得第i個(gè)混和的事後機(jī)率值第1個(gè)特徵參數(shù)第2個(gè)特徵參數(shù)第3個(gè)特徵參數(shù)第4個(gè)特徵參數(shù)w1b1w2b2w3b3EM演算法對(duì)各參數(shù)進(jìn)行重新估算EM演算法進(jìn)行最大相似估

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論