目錄
潛變量模型
K-Means聚類
K-Means回顧
K-Means應用
GMM模型
GMM模型基礎
GMM參數的EM估計
EM算法
E步
M步
潛變量模型
觀測變量:可以直接觀測到的變量
潛(隐)變量:無法直接被觀測到,需要通過模型和觀測變量進行推斷的變量,利用潛變量來解釋觀測變量的數學模型,稱為潛變量模型。
K-Means聚類
K-Means回顧
給定一個含有N個資料點的集合
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,聚類目标是将此N個資料點聚類到K個類别中,且假設K值已經給定。
- 引入K個D維均值向量
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 即為第k個類别的聚類中心 - 計算資料點
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 和所有類中心
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 的距離,類中心距離此資料點最近的類别,即為目前資料點的類别 - 根據新的聚類結果,使用目前聚集到各個類别的資料的均值來更新目前類别的聚類中心
- 傳回第二步,知道滿足一定的停止準則
K-Means應用
如圖像分割和壓縮等。
GMM模型
GMM模型基礎
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 一維高斯混合模型簡單圖例
如圖所示,紅色實線和黑色實作分别為兩個獨立的高斯模型,藍色虛線為二者的高斯混合模型。
從幾何角度來看,高斯混合模型可以看做多個高斯模型的權重平均,即由多個高斯分布疊加而成。
對于上圖兩個高斯分布,都有自己的均值和協方差矩陣:
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 、
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,其高斯混合模型為:
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,其中,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 為混合系數,也可以簡單了解為權重。
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 二維高斯混合模型簡單投影圖例
從混合模型角度來看,設
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 為觀測變量,此時,引入一個隐變量
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 表示對應的樣本
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 是屬于哪一個高斯分布,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 是一個離散的随機變量,對于
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 有如下機率分布(此處假設該高斯混合模型由
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 個的高斯模型混合而成):
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | …… | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 |
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 | …… | 語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 |
有
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,在GMM模型中,任意樣本均屬于所有獨立的高斯模型,隻是其屬于各高斯模型的機率有大有小而已(也可以了解為是一種軟分類)。
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 設
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 為觀測資料,有
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 為完整資料,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 為參數,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 的極大似然估計
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,是以,無法直接用MLE求解GMM,無法得出解析解。
GMM參數的EM估計
EM:
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 一般會先給一個
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 ,逐漸遞進,求出最大值。
一般會将
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 看做一個Q函數
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 。
EM算法
E步
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 M步
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 求
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 。
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 其餘
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 、
語音識别入門第三節:GMM以及EM算法潛變量模型K-Means聚類GMM模型EM算法 同理。
本節對應實踐見:語音識别入門第三節:GMM以及EM算法(實戰篇)_安靜_xju的部落格-CSDN部落格