?高斯混合模型

笔者提出将集合经验模态分解(EEMD)运用于电能质量的识别中,提取出各阶IMF分量分别计算香农熵和近似熵,运用高斯混合模型(GMM)作为识别机,对8类单一扰动信号进行识别。

?广义矩估计

...法，如普通最小二乘法、极大似然法等，都有其局限性，其参数估计量必须在模型满足某些假设时才具有良好的性质，而广义矩估计(GMM)是一

?超磁致伸缩材料(Giant Magnetostrictive Material)

...可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。为了解决这些问题，本专利技术设计出了一种基于GMM的新型主动悬架系统，该系统能够实现轻量化、反应灵敏，结构简单，制作成本低，能够及时根据汽车的运动状态和路面状况，更加迅速地调节悬架的刚度和阻尼，使悬架处于最佳减震状态。超磁致伸缩材料（GMM）是一种具有极大的磁致伸缩系数的磁致伸缩材料，在常温下由于磁化状态的改变，其长度和体积会发生较大变化。

?混合高斯模型

...以上,达到了较为满意的识别效果。在矢量量化中引入模糊聚类算法,实现了对硬聚类算法的有效扩展,提高了码本的量化精度。混合高斯模型(GMM)是最优的与文本无关说话人识别的模型,而环境与个性特征的变化是影响采用GMM识别率的重要因素。