基于HMM的无溢出高维样本集正态归整方法

• 作者: 唐京海 张有为
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 隐马尔柯夫模型(HMM) 卡方图 正态性 表情识别
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 研究与应用
• 页码范围: 363-368
• 页数: 6页
• 分类号: TP391.4
• 字数: 4363字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2008.03.015

摘要

提出一种使用卡方图对高维特征向量样本集进行正态评估,并通过平方根变换处理,使样本集更接近正态分布的方法,称为无溢出正态归整方法.该方法解决高维特征样本对隐马尔柯夫模型(HMM)输出概率的溢出问题,其可行性在CED-WYU(1.0)及Cohn-Kanade(CMU)表情序列库上得到验证.利用连续HMM进行的基于光流特征的非特定人脸表情识别实验,采用正态归整得到更好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张有为	北京航空航天大学电子信息工程学院	26	447	10.0	21.0
3	唐京海	北京航空航天大学电子信息工程学院	5	97	3.0	5.0