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
相關文章
相關標籤/搜索