基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。 使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。 记录每个梅尔频率下的功率对数。

GMM_Digital_Voice_Recognition 基于GMM与MFCC特征进行数字0-9的语音识别，GMM，MFCC，语音识别，中文数据，sklearn，scikit-learn，数字语音识别。 预安装 conda create -n GMM -c anaconda python=3.6 numpy pyaudio scipy #也可以使用pip conda activate GMM pip install -r requirements.txt 数据链接： ://pan.baidu.com/s/124TiAs8m7Ioa2_3dUrxGSg提取码：xsfe 以下命令假设下载

高斯混合模型聚类(Gaussian Mixture Mode，GMM)是一种概率式的聚类方法，它假定所有的数据样本x由k个混合多元高斯分布组合成的混合分布生成。 使用场景:用于平坦的结合结构，对密度估计很合适

使用说明在这里：https://blog.csdn.net/yj13811596648/article/details/88737623

这是一篇硕士毕业论文，关于声纹识别的，模型是用的gmm模型，工具用的是htk，应该说很有帮助

采用标准C语言实现：MFCC参数提取，K-means聚类，GMM建模及识别。

GMM（高斯混合模型）的动态背景分割的实验报告以及源码，数据集。 另外用到了形态学操作与多通道的处理，提升了实验结果的性能。

matlab集成c代码 使用MSR-Idendity-toolkit 做GMM-UBM实验的过程记录 speaker recognitiong using GMM-UBM, implementing on MSR-Idendity-toolkit. 零、准备工作 下载MSR工具包，该工具包是matlab代码，即.m文件，。 下载ALIZE工具包，用于提取HTK格式的MFCC特征，如安装有HTK并会用HTK来提取MFCC特征可忽略， 一、提取MFCC特征 由于MSR工具包需要使用htk格式的mfcc特征，而HTK的安装有点复杂，因此这里直接使用ALIZE3.0工具包提取mfcc特征，ALIZE就是使用HTK的HCopy提取特征的，好处是不用安装HTK就可以直接使用HCopy，直接下载ALIZE工具包编译后即可使用。ALIZE下载地址：；ALIZE 官网地址： 用ALIZE的HCopy工具提取mfcc特征的步骤 所用代码为： bin/HCopy -C cfg/hcopy_VCTK_mfcc.cfg -T 1 -S VCTK_train_htk.scp 代码解释： Hcopy工具包的位置在M

入口文件是sharks.m，它提供了软件的图形界面。 MFCC的识别率非常好。

利用opencv中的高斯模型进行视频的轮廓检测，识别运动物体并计数。 利用opencv中的高斯模型进行视频的轮廓检测，识别运动物体并计数。