一种基于SSM的HMM训练算法

来源 :武汉大学学报:理学版 | 被引量 : 0次 | 上传用户:meilin116
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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
其他文献
针对具有物理模型参数的辨识,提出了新的多目标优化模型及遗传算法.它突破了数据处理最小误差的传统思想,提出了“病态”数据分析方法,进一步挖掘了数据中的信息.文中充分利用
以水杨醛、对苯二胺为起始原料合成席夫碱后,用亚磷酸酯与席夫碱加成合成α-氨基膦酸酯类阻燃剂N,N-对苯二胺基(2-羟基)二苄基膦酸四乙酯,产物经IR,1H-NMR,31P-NMR,MS确证.
多元组粗糙集合是对传统粗糙集合的一种推广,它具有比传统粗糙集合描述更直接、更方便等优点,并能导出决策表中相应的确定规则、可能规则和否定规则.通过比较发现它能有效地提高