原创力文档- 1、原创力文档（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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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;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：;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);EM算法的性质;基本EM算法;基本EM算法;基本EM算法;隐含Markov模型 (Hidden Markov Model, HMM);输入语音波形;观察序列;一???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;一阶隐含Markov模型;HMM的工作原理;HMM的工作过程;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;均值分布的变化;类条件概率密度的计算
文档评论（0）