基础知识,高斯相关基础
bx_f
从事音频行业,主要从事音频编解码,语音增强,噪声消除,aec,ans,阵列信号处理,3d音效,声纹识别
展开
-
似然函数个人理解
以前上学的时候对似然函数什么的一看到就头疼,最近专门研究了一下,写一下自己的总计,后序会是与似然函数先骨干的GMM和HMM的总结。 经典理解: 设总体的概率模型为F(x|θ)。为了说明的方便,暂假定只有一个未知参数,X1,X2,……,Xn是容量为 n 的随机样本(大写X),实际观测到的样本观测值(小写x)为 Xl=x1,X2=x2,……,Xn=xn 。把同各Xi对应的密度函数或概率函数(原创 2017-12-23 09:10:27 · 4174 阅读 · 1 评论 -
从似然函数到EM算法
上次关于似然函数的学习中我们知道: 求最大似然函数预计值的一般步骤: (1)写出似然函数; (2)对似然函数取对数,并整理; (3)求导数,令导数为0,得到似然方程; (4)解似然方程,得到的參数即为所求; 我们说似然函数的意思就是说如果给你一大堆观察数据,然后你自己估计一个模型去最大的逼近这个输出结果。现在问题来了,如果给你的这一大堆数据又分成了两个小区域,比如性别,男或者女,原创 2017-12-23 09:12:30 · 438 阅读 · 0 评论 -
HMM的个人理解
马尔可夫过程:谈到 HMM,首先简单介绍一下马尔可夫过程 (Markov Process),它因俄罗斯数学家安德烈·马尔可夫而得名,代表数学中具有马尔可夫性质的离散随机过程。该过程中,每个状态的转移只依赖于之前的 n 个状态,这个过程被称为1个 n 阶的模型,其中 n 是影响转移状态的数目。最简单的马尔科夫过程就是一阶过程,每一个状态的转移只依赖于其之前的那一个状态。注意这和确定性系统不一样,原创 2017-12-23 09:16:50 · 469 阅读 · 0 评论 -
从似然估计到EM到GMM小结
这个是前段时间的总结,最近整理了下发出来,mark 一下,自己最近越来越烂了,深戒之原创 2018-04-22 12:29:27 · 302 阅读 · 0 评论