一种DHMM的混合训练方法

• 作者: 唐斌 胡光锐 茅晓泉
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 隐马尔柯夫模型 进化计算 语音识别
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 科研通信
• 页码范围: 148-150
• 页数: 3页
• 分类号: TN912.34
• 字数: 3574字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2002.01.039

摘要

隐马尔柯夫模型(HMM)作为描述语音信号的一个工具,按输出概率分布的不同,可分为连续H-MM(CHMM)和离散HMM(DHMM).经典的训练方法Baum-Welch算法虽然收敛迅速,但是这类基于爬山的算法只能取得局部最优解,从而影响了系统的识别率.对于CHMM,借助于分类K平均方法可以取得可靠的初始点以保证迅速准确的收敛.而对于DHMM,该方法收益不大,最终所得的仍是局部最优解.由于进化计算一个最重要的特点便是全局搜索,这样可得全局最优解或次优解.本文将进化计算应用到DHMM的训练中,提出了一个把传统算法和进化计算相结合的混合算法.实验结果表明该方法既保证了全局搜索又实现了快速收敛,最终所得的模型优于传统方法和简单进化计算方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡光锐	上海交通大学电子工程系	130	1646	20.0	35.0
2	唐斌	上海交通大学电子工程系	30	145	7.0	10.0
3	茅晓泉	上海交通大学电子工程系	8	53	4.0	7.0