- 博客(12)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Audioseg在Ubuntu14.04下安装详解
Audioseg-1.2.2是个非常强大的说话人分割的工具，里面包括常用的BIC、GMM模型和HMM模型三种常见的方法。本次只是讲解安装过程，详细的使用在今后调通后将详细的介绍。安装前准备（据说spro,sphere,gsl三个有安装先后关系，需要依次安装gsl、spro、sphere、audioseg，在本次安装中我没注意这个问题）：系统： Ubu
2015-01-27 21:16:47
2164
原创 Alize和NIST中sphere2.7编译问题
在编译Alize和sphere时，会碰到安装系统的编译器差异问题，主要表现在gcc编译器中，找不到math库。截图如下：上面出现问题的原因是，此系统自带的gcc，在编译时需要将lm放在最后位置，放在前面时不能找到对应的math库。因此找到对应的Makefile，修改即可。从Makefile整个修改的过程中，也能发现linux中的软件安装，常用指令make,m
2015-01-20 22:46:40
1944
转载 TOP 10开源的推荐系统简介
TOP 10开源的推荐系统简介Mar 10th, 2014 | Comments最近这两年推荐系统特别火，本文搜集整理了一些比较好的开源推荐系统，即有轻量级的适用于做研究的SVDFeature、LibMF、LibFM等，也有重量级的适用于工业系统的 Mahout、Oryx、EasyRecd等，供大家参考。PS：这里的top 10仅代表个人观点。#1.SVDFeature
2014-11-03 16:57:48
652
转载 机器学习基础知识
机器学习中，很多算法的推导，需要概率和统计的很多知识。学校里学的时候，基本是囫囵吞枣，也忘得差不离了。现在复习一下，找一些概率与统计这门课的感觉。主要理解下什么是随机变量，与概率的关系，要样本干什么，等等。1. 什么是古典概率？有限个可能事件，且每个事件都是等可能概率事件。这个与抽样问题，经常联系起来2. 什么是几何分布、超几何分布 ？
2014-10-26 21:42:53
1761
转载 EM算法推导过程
EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是
2014-06-10 15:41:55
2891
转载 非常全面的贝叶斯网络介绍 非常多的例子说明
0. 前言这是一篇关于贝叶斯方法的科普文，我会尽量少用公式，多用平白的语言叙述，多举实际例子。更严格的公式和计算我会在相应的地方注明参考资料。贝叶斯方法被证明是非常 general 且强大的推理框架，文中你会看到很多有趣的应用。1. 历史托马斯·贝叶斯（Thomas Bayes）同学的详细生平在这里。以下摘一段 wikipedia 上的简介：所谓的贝叶斯方法源于
2014-05-26 16:10:36
50101
9
转载 机器学习面试总结
前言： 找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。 纵观IT行业的招聘岗位，机器学习之类的岗位还是挺
2014-05-21 19:23:02
1487
转载 贝叶斯网络
定义：贝叶斯网络是一个有向无环图，由代表变量结点及连接这些结点的有向边构成。可以将具体问题中复杂的变量关系在一个网络结构表示，通过网络模型反映问题领域中变量的依赖关系。用数学符号表示一个贝叶斯网络模型如下：B=(V,E,P)其中：V={V1,V2,…Vn} 随机变量集合；E={ViVj|Vi,Vj∈V}
2014-05-21 17:27:20
2849
空空如也
关于在ubuntu12.04上安装sun grid engine的问题
2013-10-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人