论文部分内容阅读
针对经典马尔可夫模型没有考虑模型应用中状态、观测量间的上下文相关性以及状态转移概率动态性、可变性，提出一种模糊深隐马尔可夫模型。该模型通过增加观测值间的相关性、解决概率转移问题中的不确定性和改进参数优化算法，使之能够较好地应用于强噪声、训练数据缺损等情形的模式识别中。理论证明，显式模糊深隐马尔可夫模型在同等模型复杂度下具有模型优化程度高、区分度好、误识率低、鲁棒性高的特性。