语音识别-GMM算法原理

GMM(高斯混合模型)是相对于单高斯模型来说的,是多个单高斯分布进行混合,理论上可以拟合出所有的分布曲线,主要应用于聚类算法。

废话就不多说了,估计大家都知道高斯混合模型是个什么东西,下面直接列出单高斯模型和高斯混合模型的攻势以及示意图:


单高斯模型分布


高斯分布概率密度函数


混合高斯模型图(两个component)


混合高斯分布概率密度函数

混合高斯分布主要有K个component组成,每个component为一个高斯分布。我们知道概率密度函数的前提下,要想得到结果,重要是得到模型的参数,至于模型参数的推导是运用EM算法,EM算法详细推导在前一篇已经学习过,在此就EM算法求解GMM进行大概说明:


混合高斯模型和K-Means算法的主要区别在于:

K-Means计算出的结果是确定输入为哪一类,混合高斯模型的计算结果为输入为哪一类的概率。

展开阅读全文

没有更多推荐了,返回首页