筆記摘錄：2018.05.02---混合高斯模型GMM

僅供自己學習參考，若有侵權，請聯繫[email protected] 使用混合高斯隨機變量的分佈用於匹配真實世界的數據（如語音特徵）時，就形成了混合高斯模型（ GMM ）。GMM作爲描述基於傅里葉頻譜語音特徵的統計模型，在傳統語音識別系統的聲學建模中發揮了重要作用 。我們將討論GMM 在聲學模型中的關鍵優勢，這些優勢使得期望最大化算法（ EM ）可以被有效地用來訓練模型，以匹配語音特徵。 高斯分佈

>>阅读原文<<