•sigma est la matrice des diagonales des covariances du mod`ele; la ligne
i0contient le vecteur des ´el´ements diagonaux de la matrice Ak0. Cette
matrice est donc de taille K×p.
•dens est une matrice dont la ligne i0contient le vecteur (dens(i0,1), ...,
dens(i0, K)), o`u dens(i, k) = φηk(xi), avec ηk= (µk, Ak). Cette ma-
trice est donc de taille n×K.
Cette fonction “gauseval”doit vous permettre de calculer facilement les
termes dont vous avez besoin lors d’une it´eration de l’algorithme EM.
7 Le probl`eme de l’initialisation
Vous ˆetes maintenant en mesure de calculer les coefficients de votre m´elange
en partant d’un choix initial de coefficients et en effectuant plusieurs it´erations
de l’algorithme EM. Ce choix initial est d´elicat, et nous adopterons une
approche simple: les moyennes initiales seront prises ´egales `a certains des
vecteurs d’observation choisis al´eatoirement uniform´ement sur l’ensemble
des vecteurs correspondant `a un locuteur. Les el´ements des diagonales des
matrices de covariance seront choisis ´egaux (et valant par exemple 0.5).
8 Application
8.1. Programmez une procedure qui, ´etant donn´e un param`etre θet un
vecteur d’observations xn
1, calcule la vraisemblance correspondant `a
gθ.
8.2. Choisissez un locuteur particulier, et appliquez lui l’algorithme EM.
8.3. V´erifiez (num´eriquement) la convergence de la vraisemblance lors de
l’application de EM.
8.4. V´erifiez que, pour un vecteur xn
1correspondant au locuteur “a”, la
vraisemblance associ´ee `a gθest sup´erieure avec les param`etres de ce
locuteur qu’avec les param`etres des autres locuteurs.
9 Phases d’apprentissage et de test
Pour chacun des locuteurs dont vous disposez d’un ´echantillon de voix, cal-
culez les param`etres du m´elange correspondant. Vous disposez maintenant
5