本文简明讲述GMM-HMM在语音识别上的原理，建模和测试过程。这篇blog只回答三个问题：
1. 什么是Hidden Markov Model？
2. GMM是神马？怎样用GMM求某一音素（phoneme）的概率？
3. 用GMM+HMM大法解决语音识别...
分类：
其他好文 时间：
2014-06-05 12:27:52
阅读次数：
369
在数据挖掘中，K-Means是一种用来计算数据聚集的算法。具体来说，K-Means要解决的问题如下图所示
凭肉眼可以看出，大致可以分为4个点群。但是怎么通过计算机找出这几个点群呢？这就是K-Means要解决的问题。
普通的K-Means算法的步骤如下
（1）随机在图中取K个种子点
（2）对图中的每个点求到这K个点的距离，假设点距离种子点最近，那么属于点群...
分类：
其他好文 时间：
2014-06-05 07:39:11
阅读次数：
733
最近论文实验进行的非常的不顺利，一方面是实验聚类的效果十分的差，另一方面是做大数据的实验对计算机的性能要求很高，非常的耗费内存，每当矩阵的维度大于3000的时候，整个计算机就像中了魔法似的，像蜗牛一样慢。这样用小数据做实验效果非常的差，用大数据做实验计算机又跑不动，搞的自己很愚昧，不知道是自己数据集的问题，还是聚类算法的问题。...
分类：
其他好文 时间：
2014-06-03 05:54:21
阅读次数：
263
k-means聚类JAVA实例，《mahout in action》第六章。...
分类：
编程语言 时间：
2014-06-03 05:40:35
阅读次数：
400
点击Open
file导入arff格式的数据，这里我导入weka内置的weather.numeric.arff数据集查看preprocess右边的三个按钮，分别是分类、聚类、关联分析，选择你需要使用的功能这里我选择分类，点击choose按钮选择要使用的分类方法这里选择j48,一种决策树算法，再点击s...
分类：
其他好文 时间：
2014-05-29 22:57:28
阅读次数：
462
K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。Mahout kmeans MapReduce实现的原理和上述的一致，值得注意的是，Mahout将数据存储在HDFS，用MapReduce做批量并行的计算。在做kmeans之前，需要将文本用Mahout向量化模块工具做向量化。计算过程主要分为三个步骤：初始中心选取，寻找簇中心，划分数...
分类：
其他好文 时间：
2014-05-26 06:00:31
阅读次数：
239
Canopy有消除孤立点的作用,而K-means在这方面却无能为力。建立canopies之后，可以删除那些包含数据点数目较少的canopy，往往这些canopy是包含孤立点的。根据canopy内点的数目,来决定聚类中心数目k,这样效果比较好。...
分类：
其他好文 时间：
2014-05-26 03:21:30
阅读次数：
321
K-means是一种聚类算法，其要求用户设定聚类个数k作为输入参数，因此，在运行此算法前，需要估计需要的簇的个数。
假设有n个点，需要聚到k个簇中。K-means算法首先从包含k个中心点的初始集合开始，即随机初始化簇的中心。随后，算法进行多次迭代处理并调整中心位置，知道达到最大迭代次数或中性收敛于固定点。
k-means聚类实例。选择三个随机点用作聚类中心(左上)，map阶段(右上)将...
分类：
其他好文 时间：
2014-05-25 21:11:25
阅读次数：
275
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。
为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x1， x2， x3， ...
分类：
其他好文 时间：
2014-05-25 07:01:04
阅读次数：
317
最近在网上查看用MapReduce实现的Kmeans算法，例子是不错，http://blog.csdn.net/jshayzf/article/details/22739063但注释太少了，而且参数太多，如果新手学习的话不太好理解。所以自己按照个人的理解写了一个简单的例子并添加了详细的注释。大致的步...
分类：
其他好文 时间：
2014-05-24 10:41:01
阅读次数：
315
