问题标签 [gmm]

我现在正在尝试在我的实验中使用 GMM。但我有以下问题。我对这个错误感到很困惑。

当我运行此代码时，出现以下错误：

任何人都知道如何解决它？

我正在使用高斯混合模型进行说话人识别。我使用此代码来预测每个语音剪辑的扬声器。

它给了我这样的输出：

这里的分数函数给了我每个说话者的对数概率。现在我想确定阈值，因为我需要将这些对数概率值转换为简单的概率值（在 0 到 1 之间）。我怎样才能做到这一点？我正在使用python软件。

我有一些带有集群（停止位置）的二维数据（GPS 数据），我知道这些数据类似于具有特征标准偏差的高斯（与 GPS 样本的固有噪声成正比）。下图可视化了一个我期望有两个这样的集群的样本。图像宽25米，高13米。

该sklearn模块具有sklearn.mixture.GaussianMixture允许您将高斯混合拟合数据的功能。该函数有一个参数 ，covariance_type它使您能够对高斯的形状做出不同的假设。例如，您可以使用'tied'参数假设它们是统一的。

然而，假设协方差矩阵保持不变似乎并不直接可能。从sklearn源代码来看，进行启用此功能的修改似乎微不足道，但使用允许此功能的更新发出拉取请求感觉有点过分（我也不想意外添加错误sklearn）。有没有更好的方法来将混合拟合到每个高斯的协方差矩阵是固定的数据？

我想假设每个组件的 SD 应该保持恒定在 3 米左右，因为这大致是我的 GPS 样本的噪声水平。

我发现可以使用 sklearn.mixture.GaussianMixture 将高斯混合模型拟合到具有 sklearn 的一维信号（例如直方图，参见第一个图像）（参见此处）

我现在想在二维中拟合高斯混合模型（例如，参见第二张图片）。这也可能吗？

使用 Matlab，我有一个健康数据和 7 个故障数据，它们由 9 个变量组成，在对我的健康数据进行 PCA 之后，我得到了 3 台 PC。现在，当我在 PC 上投射错误数据时，我会在健康数据和错误数据之间重叠。现在我需要做 GMM（高斯混合模型）来使我的数据聚类以及如何获得阈值，但我不知道这样做。请如果有人可以帮助我，这是我最后一年的项目

我有一系列基因表达的数据。我试图在一个或另一个拟合的高斯分布下找到双峰分布和样本分类。您如何从 SkLearn 的拟合 GaussianMixture 中找到分类属性。这就像 r 中 mclust 的分类属性。谢谢！

在使用 scipy.stats.multivariate_normal 时，如何使用 python 使用维度为 128 * 39 的对角协方差矩阵。我正在实施 UBM 并且需要一些关于测试声音 wav 文件的信息，因为我已经调整了参数。

我正在尝试用不同的训练词训练多个 GMM 模型。然后我试图用一个看不见的测试词来测试我的模型，我得到了负值。知道我做错了什么吗？

读取所有训练文件

计算每个信号的 mfcc

计算每个信号的增量

我正在为语音认证工作。首先，我从用户那里提取语音特征作为 MFCC。之后，我使用“gmm_estimate”函数获取均值、方差和权重以形成 GMM。

现在，假设我有来自同一个用户的多个语音样本，我为每个人建立了 GM 模型。之后，我将把它们全部训练/拟合到 1 个 GM 模型中，并与来自用户输入的测试语音进行比较。到目前为止，我所做的是使用“fitgmdist”函数，但因出现以下错误而失败：“使用 gmcluster 时出错（第 197 行）迭代 4 时创建的病态协方差。”

根据一篇论文，它应该可以工作。但是作为scikit-learn包的学习者..我不明白。所有示例代码都由椭圆或圆圈组成，如下所示。

我真的很想知道如何通过不同的模式对以下图进行聚类... 0 -3 是特定时间段内的功率平均值（分为 4 个），而 4、5、6 分别对应于一年的标准偏差，工作日/周末的差异，冬季/夏季的差异。所以ylabel不一定会遇到4,5,6。

在样本之后..BIC 确实生成了最佳聚类数为 5。

但是，如果我使用可用的示例代码进行绘图.. 它会返回一些完全奇怪的东西，不值得分享。我虽然负 BIC 没问题。但我什至不知道它是否正确聚类以推断出 5 是最佳数字。