节点文献

基于多相关分组的HMM训练算法

A HMM training algorithm based on grouping multiple observations by multiple correlation coefficient

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具，请取消加速工具后下载。

【作者】 王新民； 黄新堂； 姚天任；

【Author】 WANG Xinmin1, HUANG Xintang2, YAO Tianren3 (1.Department of Physics, Xiaogan University, Xiaogan, Hubei 432100; 2.School of Science and Technology of Physics, Central China Normal University, Wuhan 430079; 3.Department of Electronic and Information Engineering, Huazhong University of Science and Technology, Wuhan 430074)

【机构】 孝感学院物理系； 华中师范大学物理科学与技术学院； 华中科技大学电信系 湖北孝感432100； 武汉430072； 武汉430074；

【摘要】 在用多观察序列训练HMM理论的基础上,提出了一种基于对多观察序列按多相关系数分组的HMM训练算法(简称基于多相关分组的HMM训练算法).该算法避免了直接计算条件概率的困难,与传统的Baum-Welch算法相比,既考虑了训练序列之间的相关性,又不增加计算量.

【Abstract】 This paper proposes a HMM training algorithm which is based on grouping multiple observations by multiple correlation coefficient .It avoids computing the conditional probabilities directly and considers the correlativity between successive observation vectors and need not increase computation works any more compared with traditional BaumWelch algorithm.

【关键词】 隐马尔可夫模型； 多观察序列； 多相关系数； 训练；
【Key words】 hidden Markov model； multiple observations； multiple correlations； coefficient training；
【基金】 湖北省教育厅重点资助项目(2002A02004).
  • 【文献出处】 华中师范大学学报(自然科学版) ,Journal of Central China Normal University(Natural Sciences) , 编辑部邮箱 ,2003年02期
  • 【分类号】TP18
  • 【被引频次】23
  • 【下载频次】169
打印本页
节点文献中：