一种基于SSM的HMM训练算法

• 作者: 姚天任 王新民
• 来源期刊: 武汉大学学报(理学版)
• 学科: 工学
• 关键词: 隐马尔可夫模型 Baum-Welch算法 参数估计 态相关方法 充分统计
• 年，卷（期）: 2003,（5）
• 所属期刊栏目: 电子信息学
• 页码范围: 625-628
• 页数: 4页
• 分类号: TN911.7
• 字数: 2782字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-8836.2003.05.020

摘要

在Baum-Welch(BW)算法的基础上提出了一种基于态相关方法(State-Specific Method :SSM)的隐马尔可夫模型(Hidden Markov Mode:HMM)参数估计算法(简称SBW算法).该算法在估计HMM不同状态的概率密度函数(probability density function:PDF)的参数时使用了与状态有关的维数较低的特征集合.与传统的BW算法相比,新算法避免了直接估计高维的PDF参数.仿真实验表明, 在训练数据量不足的情况下,采用SBW算法的误识率明显低于BW算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚天任	华中科技大学电子信息工程系	49	670	15.0	24.0
2	王新民	孝感学院物理系	19	103	6.0	9.0