samples{i}{j}=wavread(fname)读取\\train\\dgt(i-1)\\dgt(j-1).wav
譬如i=5,j=4,那么samples{5}{4}为读取工作目录下\\train\\dgt4\\dgt3.wav
我学它的时候老师讲HMM主要解决三个问题类型,评估问题,解码问题和机械学习。em(BW)算法用于解决第三个问题类型,用观测数据来训练模型参数。用哪个function得看你作业是属于哪种类型。而且要看你的模型是哪种,单纯的left to right模型的话状态转移矩阵中只保存相同状态的转移概率和对下一个状态的转移概率,其他的都是0。建议用kevin murphy的HMM工具箱,它应该是世界上使用率最高最有名的。欢迎分享,转载请注明来源:内存溢出
评论列表(0条)