LDA和MLLT

最新推荐文章于 2023-01-04 18:59:55 发布
置顶 最新推荐文章于 2023-01-04 18:59:55 发布
阅读量1.7k 收藏 5
点赞数 1
分类专栏： LDA MLLT 文章标签： 特征处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lizh_hust/article/details/88409813
版权
MLLT 同时被 2 个专栏收录
1 篇文章 0 订阅
订阅专栏
LDA
0 篇文章 0 订阅
订阅专栏

LDA：kaldi中每一帧，通常扩展到左右各4帧，共9帧。每个特征向量13*9=117个维度，通过LDA对特征向量降维处理，提取相关性较高的维度；
MLLT：kaldi和HTK在处理多维高斯分布的时候，通常将协方差矩阵简化成对角矩阵，一定程度的弱化了模型，最终的似然函数也下降很多；MLLT的处理可以减少似然函数的损失，使对角矩阵合理性提升；

黎作豪
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MLLT（最大似然线性变换）
shmilyforyq的博客
08-10 5014
主要目的是：在最大似然（ML）准则下使用一个线性变换矩阵对参数特征矢量进行解相关。在ML准则下，评价一个模型‘好坏’的标准是训练数据与模型匹配的似然度，如果似然度越高的话，我们说这个模型越好。MLLT的作者给出了在最大似然准则下（ML）使用对角协方差矩阵的缺点，及其对训练数据集描述似然度的损失。
steps/train_lda_mllt.sh
weixin_30262255的博客
06-07 232
LDA+MLLT指的是在计算MFCC后对特征进行的变换：首先对特征进行扩帧，使用LDA降维（默认降低到40），然后经过多次迭代轮数估计一个对角变换（又称为MLLT或CTC） 。详见 http://kaldi-asr.org/doc/transform.html <<LDA_MLLT三音素HMM的训练流程图.vsdx>> ...
《kaldi语音识别实战》：带特征变换的三音素模型训练——train_lda_mllt.sh，train_sat.sh解析
v-space的博客
04-06 2984
无监督特征变换 差分 在一定窗长内，计算前后帧的差分特征补充到当前帧后边。如一个M维的特征做D阶差分后特征维度变为(D+1)*M。 # kaldi src/featbin/add-deltas scp:data/train/feats.acp \ ark,scp:data/trainfeat_delta.ark,data/train/feats_deltas.scp 拼帧 在一定窗长内，将前后指定帧拼成一帧特征。 # kaldi src/featbin/splice-feats scp:d.
Kaldi thchs30手札（五）LDA与MLLT（line 78-85)
pelhans的博客
04-19 4363
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~ 本部分是对Kaldi thchs30 中run.sh的代码的line 78-85 行研究和知识总结，内容涵盖LDA和MLLT部分。 概览 首先放代码： #lda_mllt steps/train_lda_mllt.sh --cmd "$train_cmd" --splice-opt...
（十）kaldi thchs30 LDA与MLLT（line 78-85)
weixin_53694631的博客
01-04 545
上面依旧是三行代码，其中第一行为本讲的主要内容，用来做特征调整并训练新模型。第二行是解码测试，这个和之前的一样。第三行是训练好模型后根据模型对数据进行对齐。从本讲开始的三讲都是对三音素模型的调整。本讲包含第一行代码中的Splice，LDA，MLLT。以下对这些处理进行分别讲解。
LDA参考代码和资料
12-29
这个压缩包包含了三位专家编写的LDA代码和相关的学习资料，对于想要深入理解和应用LDA的人来说是宝贵的资源。 首先，LDA的核心思想是将文档视为主题的混合体，而主题则是一组相关的词语。通过LDA，我们可以无监督地...
lda_lda_
09-29
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种统计方法，常用于数据降维和特征选择，尤其在机器学习领域中有着广泛的应用。在人脸识别技术中，LDA通过提取面部图像的关键特征，实现对个体身份的有效...
Python实现LDA和KNN人脸识别
最新发布
01-29
主要涉及的知识点包括线性判别分析（LDA）和K近邻（KNN）算法，这些都是人脸识别领域常用的特征提取和分类方法。 **线性判别分析（LDA）** 线性判别分析是一种统计方法，用于高维数据的降维和分类。在人脸识别中，...
LDA和TF-IDF算法的相关论文
03-10
在信息检索和自然语言处理领域，LDA（Latent Dirichlet Allocation）和TF-IDF（Term Frequency-Inverse Document Frequency）是两种至关重要的算法，它们在文本分析、文档分类、信息提取等方面发挥着不可或缺的作用...
LDA-R代码_lda_
10-02
3. **设置超参数**：LDA模型有两个关键的超参数，α（文档-主题分布的Dirichlet先验）和β（主题-词汇分布的Dirichlet先验），通常会设置为默认值或根据实际需求调整。 4. **运行LDA算法**：使用R中的`topicmodels`...
语音识别mllt学习资料
10-15
语音识别中的mllt算法论文，在ML准则下，评价一个模型‘好坏’的标准是训练数据与模型匹配的似然度，如果似然度越高的话，我们说这个模型越好。MLLT的作者给出了在最大似然准则下（ML）使用对角协方差矩阵的缺点，及其对训练数据集描述似然度的损失。
声学模型训练-LDA算法
quheDiegooo的专栏
04-25 3452
声学模型训练-LDA算法
STC/MLLT--学习笔记
oneself的博客
11-28 578
STC/MLLT--学习笔记
kaldi的triphone训练详解
DanyHgc的博客
07-17 4385
Triphone 以单音素模型为输入训练上下文相关的三音素模型 #triphone steps/train_deltas.sh --boost-silence 1.25 --cmd "$train_cmd" 2000 10000 data/mfcc/train data/lang exp/mono_ali exp/tri1 || exit 1;train_deltas.sh中的相关配置如下：sta
kaldi 说话人自适应
韩佳俊的博客
06-13 1567
自适应的作用是，补偿实际数据与已经训练的三音素模型中声学条件不匹配的问题，包括说话人特性（说话方式、口音等）及环境特性（如录音设备、房间混响等）。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。Kaldi中主要采用的是特征空间变换方法： LDA、MLLT和fMLLR，其本质都是在训练过程中估计变换矩阵，然后构造变换后的特征，再迭代训练新的声学模型参数。LDA+MLLT针对环境特性，...
声学特征变换 LDA
xmdxcsj的专栏
11-12 2880
含义Linear Discriminant Analysis 线性判别式分析是一种降维算法，特征经过映射以后，在新的空间有最大的类间距离和最小的类内距离；LDA降维的维度跟类别的个数有关 相关公式推导可以参考这篇博客kaldi实现特征降维特征做完splice以后进行降维steps/train_lda_mllt.sh acc-lda #使用pdf-id作为类别，获得统计量 est-lda #获得ld
Kaldi声学模型训练
热门推荐
shichaog的专栏
11-04 1万+
支持标准的基于ML训练的模型 线性变换，如LDA，HLDA，MLLT/STC 基于fMLLR，MLLR的说话人自适应 支持混合系统 支持SGMMs 基于fMLLR的说话人识别 模型代码，可以容易的修改扩展 声学模型训练过程1.获得语料集的音频集和对应的文字集可以提供更精确的对齐，发音（句子）级别的起止时间，但这不是必须的。2.将获得的文字集格式化kaldi需要各种格式类型的，训练过程中将会用到每
Kaldi脚本分析（5）——自适应方法
baidu_36137891的博客
09-05 1426
自适应的作用是，补偿实际数据与已经训练的三音素模型中声学条件不匹配的问题，包括说话人特性（说话方式、口音等）及环境特性（如录音设备、房间混响等）。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。Kaldi中主要采用的是特征空间变换方法： LDA、MLLT和fMLLR，其本质都是在训练过程中估计变换矩阵，然后构造变换后的特征，再迭代训练新的声学模型参数。LDA+MLLT针对环境特性，
LDA，PCA算法
todayq的专栏
11-08 2084
红色的方形的点为0类的原始点、蓝色的方形点为1类的原始点，经过原点的那条线就是投影的直线，从图上可以清楚的看到，红色的点和蓝色的点被原点明显的分开了，这个数据只是随便画的，如果在高维的情况下，看起来会更好一点。下面我来推导一下二分类LDA问题的公式：      假设用来区分二分类的直线（投影函数)为：     LDA分类的一个目标是使得不同类别之间的距离越远越好，同一类别之中的距离越近越好
matlab 对比lda和pca
08-17
LDA（Linear Discriminant Analysis）和PCA（Principal Component Analysis）是常用的降维方法，下面将对它们进行对比。 LDA和PCA都是基于矩阵分解的方法，可以用于降低数据集的维度，但它们的目标和应用场景有所...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值