HMM转移概率的新的重估算法

• 作者: 李健 王作英
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语音识别 隐含马尔可夫模型 转移概率
• 年，卷（期）: 2001,（z1）
• 所属期刊栏目: 学术论文
• 页码范围: 1833-1835
• 页数: 3页
• 分类号: TP39l
• 字数: 2987字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2001.z1.025

摘要

将隐含马尔可夫模型(HMM:Hidden Markov Model)引入到语音识别中来是一个巨大的贡献.但是在经典的HMM中关于状态转移概率aij(i≠j)与自转移概率aii的独立性假设,导致了这个模型的不协调性.事实上,段长分布概率与状态转移概率并非相互独立的,由其中的一个就可以唯一的确定另外一个.本文从段长分布概率出发说明了以上关于转移概率独立性假设的不合理性,并得到了转移概率新的重估算法.这个新算法比经典HMM的Baum-Wdch迭代算法重估转移概率效果更好,前者比后者相对误识率下降了大约5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王作英	清华大学电子工程系	80	795	16.0	24.0
2	李健	清华大学电子工程系	57	928	16.0	29.0