文件名称：hmm模型matlab代码-HMM-Learning-Algorithm:用HMM模型实现歌曲识别器机器学习系统
文件大小：110KB
文件格式：ZIP
更新时间：2024-06-16 17:16:37
系统开源
hmm模型matlab代码HMM学习算法 该存储库包含在Matlab上使用HMM模型实现的歌曲识别器机器学习系统。 训练代码已经在8首歌曲数据集上进行了测试，每首歌曲有15个样本，其中10个样本作为训练数据，5个样本作为测试数据。 正确识别率是100％ 。 这里最标准的HMM课来自提供的课程代码。 以下是此实现的贡献代码： 为给定的离散分布质量创建随机标量： 从给定的HMM模型生成随机HMM输出数据： 从给定的MC模型生成随机马尔可夫链状态序列（有限和无限）： 计算给定训练歌曲样本的对数似然率： 歌曲旋律的特征提取器： HMM模型培训代码：
【文件预览】：
HMM-Learning-Algorithm-master
----ProbDistr.m(1KB)
----TrainMelody.m(880B)
----MakeErgodicHMM.m(1KB)
----@HMM()
--------rand.m(975B)
--------adaptStart.m(795B)
--------adaptSet.m(524B)
--------stateEntropyRate.m(503B)
--------setStationary.m(487B)
--------viterbi.m(1KB)
--------logprob.m(2KB)
--------train.m(3KB)
--------adaptAccum.m(2KB)
--------HMM.m(12KB)
----MakeLeftRightHMM.m(1KB)
----MakeVQ.m(883B)
----test_lecture_1.m(573B)
----MakeGMM.m(559B)
----TrainingDemo.m(687B)
----GetMusicFeatures()
--------MusicFromFeatures.m(4KB)
--------MyExtractor2.m(1KB)
--------GetMusicFeatures.m(5KB)
--------MyExtractor.m(653B)
----@DiscreteD()
--------rand.m(748B)
--------adaptStart.m(683B)
--------init.m(1KB)
--------adaptSet.m(1KB)
--------prob.m(1KB)
--------double.m(584B)
--------entropy.m(618B)
--------DiscreteD.m(4KB)
--------adaptAccum.m(2KB)
----@GaussD()
--------rand.m(887B)
--------adaptStart.m(888B)
--------init.m(4KB)
--------adaptSet.m(3KB)
--------plotCross.m(1KB)
--------logprob.m(1KB)
--------GaussD.m(15KB)
--------adaptAccum.m(2KB)
----runtime.png(36KB)
----Contents.m(5KB)
----test_Backward.m(488B)
----@GaussMixD()
--------rand.m(766B)
--------adaptStart.m(674B)
--------init.m(2KB)
--------adaptSet.m(993B)
--------GaussMixD.m(7KB)
--------plotCross.m(893B)
--------logprob.m(1KB)
--------train.m(2KB)
--------adaptAccum.m(4KB)
--------plotProbDensity.m(2KB)
----@MarkovChain()
--------rand.m(1KB)
--------adaptStart.m(468B)
--------initErgodic.m(1KB)
--------adaptSet.m(1KB)
--------join.m(3KB)
--------stationaryProb.m(2KB)
--------initLeftRight.m(1KB)
--------stateEntropyRate.m(544B)
--------setStationary.m(327B)
--------viterbi.m(2KB)
--------logprob.m(1KB)
--------backward.m(3KB)
--------finiteDuration.m(450B)
--------backward_fixme.m(3KB)
--------adaptAccum.m(3KB)
--------MarkovChain.m(11KB)
--------forward.m(2KB)
----VQ.m(9KB)
----livedemo.m(711B)
----README.md(1KB)
----test_Forward.m(483B)
----DataHandle.m(534B)
----ProbGenModel.m(3KB)
----verifyTrainResult.m(1KB)