在这个笔记中，我会首先介绍表示HMM的类HmmTopology和TransitionModel，然后介绍三音素GMM训练脚本train_deltas.sh用到的几个程序，这几个程序与单音素GMM的不同或者只在三音素GMM训练中出现。与GMM相关的其余部分请参考单音素GMM学习笔记。

文章目录前言隐马尔可夫(HMM)马尔可夫链隐马尔可夫HMM中的语音识别（孤立词）HMM 语音识别过程GMM总结参考文献 前言 隐马尔科夫链结合语言识别，在细节上，涉及到的知识挺多，没有一定的时间投入难以很好的去把握。这篇文章只想借着自己的一小段时间学习，从整体上，理一下HMM在ASR的应用过程，不想去探究其中的具体细节。文中的图片基本截取自参考文献中的内容。 隐马尔可夫(HMM) 马尔可夫链 马尔可夫链描述了当前状态与下一个状态的转换关系，如图中所示，天气有三种状态，晴天，阴天，下雨。 马尔可夫链两个重要参数，初始状态概率，状态转移矩阵。有了这两个参数，我们可以预测后续任意一天的天气概率了。

GMM-KMeans异常检测 对于一维时间序列数据，使用GMM和K-means算法检测离群值。对一维时间序列数据，采用GMM和K-Means算法进行异常点检测。

代码已跑通，欢迎下载，欢迎交流

多元高斯混合模型（HMM）的Java代码，先用K-Mean算法进行初始化，训练好之后有测试，能跑的通。(受限于能力，代码有点simple,有点young)

这是笔记配套的代码，具体情况看笔记哦~~~~~~~在我的个人主页

实现了基于混合高斯模型的运动目标检测,并针对经典模型对突发运动和光线突变响应速... u关键词t背景减除法;混合高斯模型:预处理;运动目标检测:阴影抑制

MATLAB程序。选择图片，选择要聚类的K值(聚类数)，使用高斯混合模型聚类对3通道彩色图像进行分割

针对GMM应用于情感识别时区分能力较弱的缺点，提出了一种将GMM与SVM有效结合的算法:基于GMM-UBM多维概率输出的SVM语音情感识别方法。该方法将GMM-UBM模型对一条语音的情感特征参数的两种多维概率输出（与特征向量同维、与GMM阶数同维）作为SVM分类器的特征参数，既利用了GMM表征数据本身统计特性的能力，又保留了SVM判决能力强的特点。在柏林情感语音库与汉语情感语料库上进行的实验结果表明，该方法在语音情感识别上的平均识别率较标准GMM方法提高1.7%3.7%。

健壮的生成不对称GMM用于脑部MR图像分割