gmm-chmm简单梳理

kmeans:把一个特征序列归为m_mixNum个聚类，计算每个m_mixNum个聚类的中心（means）和方差（var），以及每个聚类所占的比重（prior）。

gmm:把kmeans计算出来的m_mixNum个聚类，先用kmeans计算出来的中心和方差初始化高斯函数的中心和方差，根据高斯函数调整每个聚类的中心，方差和权重。

　　　迭代截止标准：序列的log(p)的平均值小于0.001.

　　　用m_mixNum个高斯函数来表示一个状态。

chmm:把一个手势的特征序列分成stateNum种状态，每个状态会被分到几个特征值，对属于这个状态的所有特征值用混合高斯模型训练，也就是stateNum≠m_mixNum。即每个状态用几个高斯函数来表示。

转载于:https://www.cnblogs.com/jerrice/p/4310889.html