原创 機器學習的一些總結
以下是自己關於機器學習的一些知識點總結,主要滲透了自己對某些知識點的理解,涵蓋的面較廣,將會不定期地更新。若有理解不一致之處,望指明並相互交流。 1 SVM中常用的核函數有哪些?如何選擇相應的核函數? 常用的核函數有線
原创 詳解EM算法與混合高斯模型(Gaussian mixture model, GMM)
最近在看曉川老(shi)師(shu)的博士論文,接觸了混合高斯模型(Gaussian mixture model, GMM)和EM(Expectation Maximization)算法,不禁被論文中龐大的數學公式所嚇退。本
原创 關於機器學習的一些總結
以下是自己在機器學習課程中的一些知識點總結,主要滲透了自己對某些知識點的理解,涵蓋的面較廣,將會不定期地更新。若有理解不一致之處,望指明並相互探討。 1 SVM中常用的核函數有哪些?如何選擇相應的核函數? 常用的核函數有線
原创 通俗、邏輯性地詳解GMM和EM算法:從單高斯模型到混合高斯模型(GMM),從最大化似然函數到最大化Q函數
最近在看曉川老(shi)師(shu)的博士論文,接觸了混合高斯模型(Gaussian mixture model, GMM)和EM(Expectation Maximization)算法,不禁被論文中龐大的數學公式所嚇退。本文通過查閱
原创 關於支持向量機(SVM)的高斯核和懲罰因子C的理解(簡單易懂)
跟小夥伴探討了支持向量機(Support Vector Machine, SVM),不自覺地就將話題拉向了高斯核函數和懲罰因子C。本文用簡單易懂的形式呈現了自己對於高斯核函數和懲罰因子C的理解。 爲什麼說高斯覈對應的映射函數將原
原创 動態時間規整算法(Dynamic Time Warping, DTW)之初探單詞語音識別
動態時間規整算法(DTW)是最近接觸的一種提取時間序列模板方法。本文主要是一些自己的學習記錄,並適當地加入自己的理解。若有見解不一致之處,歡迎交流。 1 動態時間規整(DTW)基本思想 先從單詞語音時間序列的規整問題引入DTW的基
原创 二維高斯分佈(Two-dimensional Gaussian distribution)的參數分析
最近在看高斯混合模型(Gaussian Mixture Model, GMM),涉及到高斯分佈的參數。爲此特意回顧了概率論的二維高斯分佈的相關概念,並分析了參數對二維高斯分佈曲面的影響。 1、多維高斯分佈的概率密度函數
原创 常見的凸優化方法
本文轉載自多個地方,僅用作個人學習,如需刪除請見諒並聯系本人。 爲什麼凸優化這麼重要?見知乎,寫的很好 https://www.zhihu.com/question/24641575 http://blog.csdn.ne