首页 > 其他 > 详细

gmm-chmm简单梳理

时间:2015-03-03 15:07:11      阅读:242      评论:0      收藏:0      [点我收藏+]

kmeans:把一个特征序列归为m_mixNum个聚类,计算每个m_mixNum个聚类的中心(means)和方差(var),以及每个聚类所占的比重(prior)。

gmm:把kmeans计算出来的m_mixNum个聚类,先用kmeans计算出来的中心和方差初始化高斯函数的中心和方差,根据高斯函数调整每个聚类的中心,方差和权重。

   迭代截止标准:序列的log(p)的平均值小于0.001.

   用m_mixNum个高斯函数来表示一个状态。

chmm:把一个手势的特征序列分成stateNum种状态,每个状态会被分到几个特征值,对属于这个状态的所有特征值用混合高斯模型训练,也就是stateNum≠m_mixNum。即每个状态用几个高斯函数来表示。

gmm-chmm简单梳理

原文:http://www.cnblogs.com/jerrice/p/4310889.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!