仅供自己学习参考,若有侵权,请联系minhuiwon@163.com
使用混合高斯随机变量的分布用于匹配真实世界的数据(如语音特征)时,就形成了混合高斯模型( GMM )。GMM作为描述基于傅里叶频谱语音特征的统计模型,在传统语音识别系统的声学建模中发挥了重要作用 。我们将讨论GMM 在声学模型中的关键优势,这些优势使得期望最大化算法( EM )可以被有效地用来训练模型,以匹配语音特征。
高斯分布和混合高斯分布
仅供自己学习参考,若有侵权,请联系minhuiwon@163.com
使用混合高斯随机变量的分布用于匹配真实世界的数据(如语音特征)时,就形成了混合高斯模型( GMM )。GMM作为描述基于傅里叶频谱语音特征的统计模型,在传统语音识别系统的声学建模中发挥了重要作用 。我们将讨论GMM 在声学模型中的关键优势,这些优势使得期望最大化算法( EM )可以被有效地用来训练模型,以匹配语音特征。