基于因子分析的隐马尔可夫模型及其训练算法

• 作者: 姚天任 王新民
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 隐马尔可夫模型 因子分析 期望-最大化算法
• 年，卷（期）: 2004,（15）
• 所属期刊栏目: 学术探讨
• 页码范围: 79-81
• 页数: 3页
• 分类号: TN911.7
• 字数: 2862字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2004.15.028

摘要

虽然基于对角协方差矩阵高斯分布的隐马尔可夫模型(Hidden Markov Model Based on Diagonal Gaussiandistributions,HMM-DG)目前在现代大词表连续语音识别系统中得到了广泛的应用,但HMM-DG在帧内特征相关(intra-frame features correlation)建模方面存在缺陷.该文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(Hidden Markov Model Baded on Factor Analysis,HMM-FA),并导出了HMM-FA的训练算法.仿真实验表明:在相同的条件下,HMM-FA的性能优于HMM-DG.

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	华中科技大学电信系	49	670	15.0	24.0
2	王新民	孝感学院物理系	19	103	6.0	9.0