声学模型的输出概率 声学模型的输入是由特征提取模块提取的特征。一般来说，这些特征是多维的向量，并且其取值可以是离散或连续的。早期的声学模型常常采用矢量聚类(Vector Quantification)的方法，将信号直接映射到某个码本k，而后再计算某个模型j输出该码本的概率bj(k)。但是这一方法是比较粗糙的，其性能受到VQ算法的极大影响，如果VQ本身性能就很差，声学模型的估计就会很不准确。因此，对于连续取值的特征应当采用连续的概率分布。由于语音信号特征的分布并不能用简单的概率分布，例如高斯分布等来直接描述，故而常用混合高斯模型或混合拉普拉斯模型等方法对语音信号的分布进行拟合。在此，混合高斯分布可以表示为若干高斯分量Gi的加权组合。即：G(x)=\\prod_{i=1}^{n}w_i\\cdot G_i(x)其中Gi(x)是均值为μi方差为σi的高斯分布。从数学角度看，当i趋向于无穷时，任何连续分布都可以用混合高斯模型来逼近。但是，高斯混合模型也存在着问题，那就是其计算量偏大。假设对于一个包含n个混合分量的混合高斯模型，其维度为m维，那么至少要进行m\\times n次运算才能得到结果，如果有i个模型需要计算，那么时间复杂度就是O(mnk)。相比之下，离散HMM就相对简单，只需要进行一次VQ，再进行i次。
Matlab使用fitgmdist拟合怎么输出模型参数，例如均值和协方差？我拟合完了只有一组数据 fitgmdist函数用于高斯混合模型对数据的拟合的。其使用方法：GMModel=fitgmdist（X，k，Name，Value）返回高斯混合分布模型。X是数据矩阵。k是拟合高斯混合模型时要使用的。
怎么用python表示出二维高斯分布函数，mu表示均值，sigma表示协方差矩阵，x表示数据点 clear 匿名用户 1级 clear close all%生成实验数据集 rand('state'，0)sigma_matrix1=eye(2)；sigma_matrix2=50*eye(2)；u1=[0，0]；u2=[30，30]；m1=100；m2=300；。
