GMM-1
来源:互联网 发布:眼科市场数据 编辑:程序博客网 时间:2024/05/03 22:49
https://www.youtube.com/watch?v=Rkl30Fr2S38
单个与混合角度
单个概率分布
额,就是单个概率分布。……
混合概率分布
就是多个概率分布按一定可能性混在一起。
举个例子
小古今天没在寝室,他可能在实验室,也可能和妹子一起出去了。我对他有没有写完作业这一事件的可能性进行分析,可能性分析如下:
1. 在实验室(P=0.2)
1. 写完作业(P=0.8)
2. 没写作业(P=0.2)
2. 和妹子出去了(P=0.8)
1. 写完作业(P=0.1)
2. 没写作业(P=0.9)
这就是一个二项分布混合模型。(应该是吧?)
解释:
这里有两个类别,在实验室,和妹子出去了。
每种类别下,事件发生的可能性服从二项分布。
高斯分布角度
一维高斯分布
当事件X发生的概率P(X)服从 N(u,c)分布,则称X服从高斯分布。
人话:做实验,然后结果的概率密度和用这个算出来的差不多的,可以认为成高斯分布!(http://h.hiphotos.baidu.com/baike/s%3D205/sign=2abf505a42166d223c77129473220945/342ac65c1038534384b650b09213b07eca808822.jpg “概率密度”)
混合高斯分布
引入变量Z。Z表示类型。
1. 在每个类型下(比如Z=e_k时),X事件服从高斯分布N=(u_k, c_k)
。
2. 每种类型的可能性为alpha_k P(Z=e_k) = alpha_k
OK,此时就成了混合高斯分布。
或者说:就是(每一个类别的分布都为高斯分布的)混合概率分布。
0 0
- GMM-1
- GMM
- GMM
- GMM
- GMM
- GMM
- GMM
- GMM
- 1-GMM-HMMs语音识别系统-框架篇
- GMM algorithm
- HMM && GMM
- GMM模型
- sklearn GMM
- GMM实验
- GMM基础介绍
- MLE, MAP, EM, GMM
- GMM-HMM笔记
- GMM&K-means&EM
- http_load压力测试
- iOS之无法隐藏statusbar
- Swift 教學:如何使用iOS Charts API 製作漂亮的圖表
- 基于jQuery的轮播图插件(新手练习)
- centos配置amp环境
- GMM-1
- 文字图标
- Javascript中的new
- request.getParameter("Name")
- hdu 2199 Can you solve this equation?
- Fast Paxos 分布式算法
- 合并svn分支到主干(linux)
- TextView设置drawable
- 使用javafxpackager打包