论文下载地址。博客园文章地址。 摘要 语音盲带宽扩展技术已经出现了一段时间，但到目前为止还没有出现广泛的部署，部分原因是增加的带宽伴随着附加的工件。本文提出了三代盲带宽扩展技术，从矢量量化映射到高斯混合模型，再到基于生成对抗性网络的深层神经网络的最新体系结构。这种最新的方法在质量上有了很大的提高，并 ...
分类：
Web程序 时间：
2018-12-16 12:22:12
阅读次数：
249
由k个高斯模型加权组成，α是各高斯分布的权重，Θ是参数。对GMM模型的参数估计，就要用EM算法。更一般的讲，EM算法适用于带有隐变量的概率模型的估计，即不同的高斯分布所对应的类别变量。 为何不能使用极大似然估计，如果直接使用极大似然估计，没有考虑数据中的隐变量，很明显是不合适的。 那我们将隐变量考虑 ...
分类：
编程语言 时间：
2018-12-10 11:45:11
阅读次数：
234
高斯混合模型 根据EM的定义，我们重新回顾一下高斯混合中的?，µ和Σ参数拟合。为了简单起见，这里我们在M-步中仅更新φ，µj，而把Σj的更新留给大家自己推导。 E-步是很容易的，根据上面的推导，我们计算： w(i)j = Qi(z(i)= j ) = P(z(i)= j |x(i); ?, µ, Σ ...
分类：
其他好文 时间：
2018-11-04 19:41:38
阅读次数：
164
一、什么是高斯混合模型（GMM） 高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，通常用于解决同一集合下的数据包含多个不同的分布的情况，如利用GMM来解决分类情况， 如下图，在我们看来明显分成两个聚类。这两个聚类中的点分别通过两个不同的正态分布随机生成而来。 ...
分类：
其他好文 时间：
2018-09-06 20:00:33
阅读次数：
451
最近的机器学习这一块一直卡在概率机器学习上，尤其是CRF上，有点浮，先将学习到的好好总结一下。 一、EM算法的基础和贝叶斯基础 1）EM算法的基本原理和推导 2）EM算法的基本应用，k-means和高斯混合模型 二、隐马可夫和条件随机场 1）隐马（HMM）的基于原理和对应的三个问题及其解法 2）最大 ...
分类：
其他好文 时间：
2018-08-19 23:26:27
阅读次数：
222
一、高斯混合模型 软分类算法，即对每一个样本，计算其属于各个分布的概率，概率值最大的就是这个样本所属的分类。 对于训练样本的分布，看成为多个高斯分布加权得到的。其中每个高斯分布即为某一特定的类。 高斯混合模型和高斯判别分析非常像，唯一的区别就是在高斯混合模型中，每个样本所属的类别标签是未知的。 为了 ...
分类：
其他好文 时间：
2018-04-03 14:32:17
阅读次数：
148
GMM，即高斯混合模型（Gaussian Mixture Model），简单地讲，就是将多个高斯模型混合起来，作为一个新的模型，这样就可以综合运用多模型的表达能力。EM，指的是均值最大化算法（expectation maximization），它是一种估计模型参数的策略，在 GMM 这类算法中应用广 ...
分类：
其他好文 时间：
2018-01-09 14:44:30
阅读次数：
213
高斯混合模型 高斯混合模型（GMM），顾名思义，就是数据可以看作是从数个高斯分布中生成出来的。虽然我们可以用不同的分布来随意地构造 XX Mixture Model ，但是 GMM是 最为流行。另外，Mixture Model 本身其实也是可以变得任意复杂的，通过增加 Model 的个数，我们可以任 ...
分类：
编程语言 时间：
2018-01-06 17:11:55
阅读次数：
164
对于如下的两类别的高斯混合模型 $$ \pi\cdot N(\mu_1,\sigma_1)+(1 \pi)\cdot N(\mu_2,\sigma_2) $$ 参数有$\theta = (\pi, \mu_1,\mu_2,\sigma_1,\sigma_2)$。至今，我了解到有三种方式来估计这五个参 ...
分类：
其他好文 时间：
2017-12-27 20:26:01
阅读次数：
295
第九部分： 1.高斯混合模型 2.EM算法的认知 1.高斯混合模型 之前博文已经说明：http://www.cnblogs.com/wjy-lulu/p/7009038.html 2.EM算法的认知 2.1理论知识之前已经说明：http://www.cnblogs.com/wjy-lulu/p/70 ...
分类：
其他好文 时间：
2017-11-10 18:53:29
阅读次数：
131
