用于隔离数字识别的简单GMM-HMM模型 简单的GMM和HMM模型的Python实现，用于隔离数字识别。 此实现包含3个模型： 单一高斯：使用具有对角协方差的单一高斯对每个数字进行建模。 高斯混合模型（GMM）：每个数字都是使用高斯混合模型来建模的，并通过扰动单个高斯模型进行初始化。 隐马尔可夫模型（HMM）：每个数字由包含N个状态的HMM建模，其中每个状态的发射概率是具有对角协方差的单个高斯分布。 免责声明：这是一个教育性的实现，预计不会有很高的性能。 安装 要安装使用： pip install git+https://github.com/desh2608/gmm-hmm-asr.git 要安装测试（用于开发）： git clone https://github.com/desh2608/gmm-hmm-asr.git cd gmm-hmm-asr && pip ins

对MFCC进行GMM聚类的汉语数字识别方法.pdf

gmm的matlab代码gmm聚类 简单可视化如何将EM算法用于高斯混合模型聚类。 您将需要使用matlab来运行代码。 修改datapath变量以使用另一个数据集，并修改变量K更改群集数。 特色作品： 交互式绘图，您可以在其中选择分布以生成数据

行业分类-金融管理-信贷周期对经济周期的影响——基于系统GMM模型的跨国对比实证.zip

PDF文档对应于网易公开课上吴恩达教授主讲的机器学习（网址：http://open.163.com/special/opencourse/machinelearning.html）中高斯混合模型（GMM）与EM算法相关内容，补充了Jessen不等式的证明，以及GMM的似然函数最大化的参数的公式推导

基于GMM方法的改进，在检测出目标的基础上，有效消除了大片光照对检测目标的影响。使其更有效地消除噪声的影响。

【语音识别】基于MFCC和gmm特征实现语音识别含GUI.md

基于高斯混合模型（GMM）的说话人识别实验

gmm的matlab代码BLP 该代码用于BLP随机系数估计。 本质上，它试图复制Aviv Nevo撰写的“需求的随机系数离散选择模型研究助手指南”中的结果。 当Nevo的GMM目标函数的值为14.9时，我扩展了迭代次数以达到目标函数值4.56。 考虑到Nevo的虚假数据，结果将更加精确。 Nevo复制（2000）表I： Mean Estimates: Mean SD Income Income^2 Age Child Constant -1.956236 0.367702 3.188302 0.000000 1.091190 0.000000 Price -32.164280 1.862521 15.462670 -0.629078 0.000000 10.954305 Sugar 0.139150 -0.002463 -0.193821 0.000000 0.031423 0.000000 Mushy 0.648903 0.077208 1.433925 0.000000 -1.432826 0.000000 Standard Errors: Mean SD Income Inco

语种识别，基于SDC特征和GMM-UBM模型的自动语种识别。