高斯混合模型_第1页
高斯混合模型_第2页
高斯混合模型_第3页
高斯混合模型_第4页
高斯混合模型_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

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個高斯密度的權重加總，其公式為:混合權重必須符合之條件基本密度是D維的高斯函數其中為特徵向量，為高斯機率密度值，wi為混合權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，直到分裂到所設定的數目其中，D’為前一回合的總距離值EM演算法估算初始參數值假設有12個特徵參數(音框)，分群後的其中一個A群聚由特徵參數1、4、7和8四個特徵參數所組成，如下:混合權重值wi平均向量123456789101112特徵參數1特徵參數4特徵參數7特徵參數84/12=0.33345.56.57.5估算初始參數值共變異矩陣估算初始參數值假設有三組特徵參數分別為，

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個特徵參數第2個特徵參數第3個特徵參數第4個特徵參數w1b1w2b2w3b3EM演算法對各參數進行重新估算EM演算法進行最大相似估

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论