搜索资源列表
gm
- 改进的gmm（高斯混合模型）算法，是单一高斯几率密度函数的衍生
SpeakerIdentificationPaper
- 说话人识别方法及其系统的应用开发研究.毕业设计论文,详细.本文对说话人识别方法应用作了较深入系统的研究。采用的方法分别是矢量量化(VQ)识别方法、隐马尔可夫模型(HMM)识别方法、高斯混合模型(GMM)识别方法。
GMM-EM
- 用matlab实现高斯混合模型的前期处理和分类训练！
gaijinhmm
- 基于改进的隐马尔可夫和神经网络混合模型的语音识别
SVM_HMM
- 本文设计了一种混合模型的票据识别系统,识别率可达96.5％
em
- 混合高斯概率密度模型,其参数估计可以通过期望最大化( EM) 迭代算法获得。-EM estimation parameters Gaussian mixture processes
svmhmm
- svm和hmm混合模型手写签名认证,充分利用SVM的分类能力以及HMM适合处理连续信号的优势进行手写签名认证-hmm mixed model and svm handwritten signature authentication, make full use of the classification ability of SVM and HMM for continuous signal processing advantages of the handwritten signature v
GMM
- :高斯混合模型(GMM)是一种经典的说话人识别算法，本文在实现其算法的同时，主要模拟了不同噪声环境情况下高斯混合模型 (GMM)的杭嗓声性能，得到了一些有益结论。 -Gaussian mixture model (GMM) is a classic speaker recognition algorithms, this algorithm at the same time in fulfilling its main simulated environmental conditions
11912869gmm-gmr
- 高斯混合模型，为了减少语者自己语音本身的变异性，只留下语者间彼此的变异性，在建立语者特定模型时，先训练一个语者不特定模型，-interpriter
GAUSSIANloglikelihood
- GMM高斯混合模型大规模概率对数计算 需要一个模型地址文件和一个需要识别的声音的mfc文件可以一次执行大批量-GMM Gaussian mixture model probability on the number of large-scale computing need a model of address file, and the voice of the mfc file which need to be identified .can be an implementation
EM_init_kmeans
- 高斯混合模型参数初始化程序，在对高斯混合模型的建立之前采用KMEANS算法进行初始化-Gaussian mixture model parameter initialization procedure, in the Gaussian mixture model is initialized before the algorithm used KMEANS
GMM_SR
- 基于高斯混合模型的说话人确认系统基于高斯混合模型的说话人确认系统-Recognized in the Gaussian mixture model-based speaker system
test1
- 基于高斯混合模型的说话人识别，可以直接运行-Based on gaussian mixture model the speaker recognition
GMM_SID
- 用于说话人识别（声纹识别）中训练过程和识别过程的高斯混合模型程序-GMM model for the training process or test process of speaker identification
GMM_EM
- 2类分类高斯混合模型 使用k-means的方法来初始化GMM， 基于EM算法计算出GMM模型参量。 测试GMM模型分别有2个，4个，8个混合成分-2-class classifier with Gaussian Mixture Models. Use the k-means method to initialize the GMM’s Then improve the GMM models iteratively based on the EM algo-rithm.
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
voice-box-GMM
- 语音处理GMM相关算法,1.计算概率密度并画出高斯混合模型，2.计算边际，条件混合高斯密度,3估计两个GMM模型的Kullback-Leibler divergence。-GMM relating to speech processing algorithms.1,to calculate probability densities from or plot a Gaussian mixture model.2,marginal and conditional Gaussian mixture
20140728
- 这是一个基于VC++的高斯混合模型背景重建及目标跟踪的程序，不仅有理论知识讲解，而且还有程序实现部分，望对大家有所帮助，如不明白者可以留言讨论-This is a VC++ based on Gauss mixture model background reconstruction and target tracking procedure, has not only theoretical knowledge, but also the program, we hope to help, if
julius-4.3.1.tar
- Julius 是一种高性能，两通大词汇量连续语音识别（LVCSR）语音相关的研究和开发的解码器软件。基于字的N-gram和上下文相关的HMM模型，它可以进行几乎实时实时解码目前大多数电脑在60K字听写任务。完全纳入，如树的N-gram词汇，保，跨词的上下文依赖处理，包围梁搜索，高斯修剪，高斯的选择，除了搜索效率等各大搜索技术，它也是模块化小心从模型结构独立，如共享状态triphones的和并列混合模型与任意数量的混合物，州或手机，支持各种HMM的类型。采用标准格式，以配合HTK的，债务工具中央结
R语言lme模型的使用
- R语言lme模型的使用，可以处理线性混合模型，一个很好的例子。