hmm_market_behavior hmm_market_behavior.ipynb-主要研究文件。 hmm_market_behavior_following_btcusd_catalyst.py-使用Catalyst框架的交易策略示例。 quandl_BITFINEX_BTCUSD_final_model.pkl-训练模型。 您可以在本文中阅读更多内容

基于matlab 的HMM 语音识别程序!

在Matlab中实现持续时间高阶隐马尔可夫模型（DHO-HMM）及其在语音识别中的应用。

/***************************/ 该资源中的代码为隐马尔科夫的demo案例，适用于已经了解HMM原理进行实践的读者。

语音识别相关资料，详细描述了语音识别的具体细节。是比较好看的资料.用的方法包括hmm。dtw 。mfcc等。是语音识别系统的设计文档

详细介绍了语音识别的基本过程及用到的方法及思想，总体框架是围绕HMM模型组织的。

基于HMM的视听语音识别系统，史秋萍，，语音识别技术是一门涉及面很广的交叉学科，具有很大的研究价值。本文提出了一种基于隐马尔可夫模型（HMM）的视听融合的语音识别系

语音识别使机器可以通过识别和理解过程将语音信号转换为文本。 提取特征，预测最大可能性并生成输入语音信号的模型被认为是配置自动语音识别系统（ASR）的最重要步骤。 本文利用MATLAB建立了一个自动阿拉伯语语音识别系统，并从19位阿拉伯语母语使用者中记录了24个阿拉伯语单词Consonant-Vowel Consonant-Vowel Consonant-Vowel（CVCVCV），每个说话者说出同一单词3次（共1368个单词） ）。 为了测试该系统，通过将语音信号划分为约0.25秒的帧和0.10秒的偏移，提取了39个特征。 在后端，通过将特征分成4到10之间的状态数来生成统计模型，每个状态具有8高斯分布。 数据具有48 k采样率和32位深度，并以wave文件格式单独保存。 该系统接受了语音丰富而均衡的阿拉伯语语音列表训练（10个发言人* 3次* 24个单词，总共720个单词），并使用另一个单词列表（24个词语* 9个发言人* 3次*，总共648个单词）进行了测试。 使用不同说话者的相似单词，系统获得了非常好的单词识别准确度结果，为92.92％，单词错误率（WER）为7.08％。

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：

此文档是HMM模型三大问题每个公式的推导、很详细，包括了部分解释！