模式识别-第3章概率密度函数的参数估计分析.pptx

模式识别-第3章概率密度函数的参数估计分析.pptx

  1. 1、本文档共60页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第三章 概率密度函数的参数估计;3.0 引言;概率密度函数的估计方法;3.1 最大似然估计;最大似然估计;似然函数;最大似然估计;正态分布的似然估计;3.2 期望最大化算法(EM算法);混合密度模型;两个高斯函数的混合;样本的产生过程;GMM模型产生的2维样本数据;GMM模型的参数估计;训练样本:;K-均值聚类;存在的问题:样本xt可能来自于任何一个子类,但在参数估计时只出现在一个子类中。 修改计算过程:;GMM的参数估计算法(EM);基本EM算法;基本EM算法;基本EM算法;EM算法的性质;隐含Markov模型 (Hidden Markov Model, HMM);输入语音波形;观察序列;一阶Markov模型;一阶Markov模型的状态转移;Markov模型的初始状态概率;一阶Markov模型输出状态序列的概率;一阶Markov模型实例;一阶隐含Markov模型;一阶隐含Markov模型实例;HMM的工作原理;HMM的参数表示;HMM的三个核心问题;估值问题;估值问题的计算;HMM估值算法的简化;HMM的前向算法;解码问题;Viterbi算法;Viterbi算法图示;学习问题;图示;变量说明;变量说明;前向-后向算法(Baum-Welch算法);HMM的其它问题;“左-右”模型结构;带跨越的“左-右”结构HMM模型;3.3 贝叶斯估计;贝叶斯估计与最大似然估计的差别;贝叶斯估计的一般理论;单变量正态分布的贝叶斯估计;均值的后验概率;均值的后验概率;均值分布的变化;类条件概率密度的计算;类条件概率密度的计算;共轭先验分布

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档