利用高斯混合模型进行二进制分类

Question

我想为决策边界实现T = Log（f（x | client）） - Log（f（x | impostor））。我的培训和测试功能是20 * 12。 我已经应用了voicebox matlab工具箱。我写了以下MATLAB代码：

if max(lp_client)- max(lp_impostor) >0.35
   disp('accept');
else
   disp('reject');
end

我应该使用对数概率的平均值还是对数概率的最大值？

Answer 1

由于估算的概率性质，您应该使用lp_client的和。如果你有一系列独立事件（在这个模型中经常假设特征独立性），它的概率是每个事件概率的乘积：

P（Seq | X）= P（feat1 | x）* P（feat2 | X）......

或在日志域

logP（Seq | X）= logP（feat1 | x）+ logP（feat2 | X）

实际上

logP（x | client）= sum（lp_client）

和

logP（x | impostor）= sum（lp_impostor）