myLearn make:生成可执行文件 demo.sh:调试入口 model.conf:模型参数 从线性到非线性模型 1、线性回归，岭回归，Lasso回归，局部加权线性回归 2、logistic回归，softmax回归，最大熵模型 3、广义线性模型 4、Fisher线性判别和线性感知机 5、三层神经网络 6、支持向量机 统计概率模型 1、高斯判别分析 2、朴素贝叶斯 3、隐马尔可夫模型 4、最大熵马尔科夫模型 5，条件随机场 6，马尔科夫决策过程 树模型 1、决策树 ID3，C4.5，CART 2、随机森林RF 3、Adaboost 4、GBDT 5、XGboost 6、孤立森林（异常检测） 聚类模型 1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类 特征工程 1、特征工程 2、特征提取 3、特

基于HMM的专业股票预测方法，需要一定基础，但一旦掌握，受益无穷

为了获得具有较高识别率的算法, 提出了一种将 Fisher 线性鉴别分析 ( Fisher Linear Discriminant Analysis) 、复主分量分 析 ( Principal Analysis in the Complex Space) 与隐马尔可夫模型 ( Hidden Markov Models) 相结合进行人脸识别的方法。对于输入 的不同光照、人脸表情和姿势的图像先进行归一化处理, 然后将归一化后的图像转化成一维向量, 再用 FLDA 方法提取每幅图像 的特征, 形成新的复向量空间; 通过运用复主分量分析, 来抽取人脸图像的有效鉴别特征; 最后通过 HMM对这些特征进行训练, 得到一个优化的 HMM并应用于识别。在 ORL人脸数据库中进行实验, 实验结果表明, 该方法具有较高的识别率。

基于隐马尔可夫模型的人脸识别源代码,是作模式识别的非常好学习代码。

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

隐马尔可夫模型工具箱

em算法matlab代码主轴-HMM 复制所有结果，表格和纸图的代码 要求 MATLAB-结果，表格和图2 MATLAB R2016b或更高版本（实现的算法需要广播功能） 统计和机器学习工具箱 信号处理工具箱 并行计算工具箱（可选，但强烈推荐用于基于EM的学习） Python-图1 Python3 jupyter笔记本 matplotlib 绘制概率图形模型 数据 DREAMS睡眠纺锤数据集 指示 将“ Main_Code”文件夹添加到MATLAB路径 下载DREAMS睡眠纺锤数据集。 可靠的来源（请确保下载DatabaseSpindles.rar文件）。 解压缩.rar文件。 运行reformatDREAMS.m脚本以对EEG和专家标签进行格式化和降采样 现在即可运行“ DREAMS”文件夹中的算法/脚本。 这些是用于复制结果，表和图2的脚本 （可选）使用matplotlib和RARHSMM_GraphicalModel.ipynb设置python环境，以在jupyter笔记本上运行RARHSMM_GraphicalModel.ipynb PS1：所有主要代码都是MATLAB，pyt

HMM模型在语音孤立词识别中的应用，讲述模型的使用方法。

隐马尔可夫模型的c语言实现，包含了详细的注释，Baum-Welch算法以及Viterbi算法的实现

基于GMM-HMM的孤立词语音识别系统，内含训练和测试数据，是1-10的数字的音频，测试数据也是1-10，当然你可以自己改，只要改了标签即可。运行需要安装hmmlearn，scipy，numpy