EM算法
-
高斯混合模型EM算法实现
本程序的主要目的是针对高斯混合模型的参数估计问题而编写的，采用的算法是EM算法。对均值、方差和权重的估计已经写成独立的函数，并且保存成.M文件，运行时，只需要运行main.m文件即可。附有样本数据，存放在电子表格中。 -
EM算法的matlab实现
应用背景 在统计计算中，最大期望(EM)算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量。最大期望经常用在机器学习和计算机视觉的数据聚类领域。 关键技术 最大期望算法经过两个步骤交替进行计算： 第一步是计算期望(E)，利用对隐藏变量的现有估计值，计算其最大似然估计值； 第二步是最大化(M)，最大化在 E 步上求得的最大似然值来计算参数的值。 M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。 -
-
-
-
-
-
-
基于EM算法的GMM模型建立
基于EM算法的GMM模型建立 很有效果高斯混合模型(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。 -
