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

下載本文檔

版權(quán)說明：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)，請進行舉報或認領(lǐng)

文檔簡介

高斯混合模型

(GaussianMixtureModel)高斯分布其中μ為平均值

(Mean)，σ為標準差(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個高斯成分)表示圖高斯混合模型用一個高斯混合模型來表示一位語者高斯混合模型高斯混合密度為M個高斯密度的權(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演算法計算整體平均向量進行分裂:將分裂後的平均向量進行分類，並計算出新群集的平均向量LBG演算法計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，也就是當更新率小於δ時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個特徵參數(shù)(音框)，分群後的其中一個A群聚由特徵參數(shù)1、4、7和8四個特徵參數(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個混和的事後機率值第1個特徵參數(shù)第2個特徵參數(shù)第3個特徵參數(shù)第4個特徵參數(shù)w1b1w2b2w3b3EM演算法對各參數(shù)進行重新估算EM演算法進行最大相似估

溫馨提示

  • 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論