一种离散隐Markov模型参数的全局优化算法

作     者：方绍武 戴蓓倩 李宵寒 FANG Shao-wu;DAI Bei-qian;LI Xiao-han

作者机构：中国科学技术大学电子科学与技术系安徽合肥230026 

基　　金：国家自然科学基金!(69872036) 

出 版 物：《电路与系统学报》 (Journal of Circuits and Systems)

年 卷 期：2000年第5卷第3期

页      码：78-81页

摘      要：隐Ｍａｒｋｏｖ模型（离散ＨＭＭ）的参数估计问题，是ＨＭＭ在语音处理应用中的关键问题。经典的Ｂａｕｍ＿Ｗｅｌｃｈ算法是基于最陡梯度下降的局部优化算法，ＨＭ Ｍ模型的质量取决于初始模型的设计。解决这一问题的根本方法在于使算法具有随机性。本文结合随机松弛算法（ＳＲ）的全局搜索能力和Ｂａｕｍ＿Ｗｅｌｃｈ算法的局部优化性能，提出了一种离散隐 Ｍａｒｋｏｖ模型参数的全局优化算法。该算法根据 ＨＭＭ的参数对 Ｐ（Ｏ／λ）的不同影响，对观察值概率矩阵Ｂ进行满足一定降温规范的随机扰动，可对离散ＨＭＭ的参数进行全局优化训练。

主 题 词：离散HMM 全局优化 Markov模型 语音识别 

学科分类：0711[理学-心理学类] 07[理学] 

核心收录：

D　O　I：10.3969/j.issn.1007-0249.2000.03.017

馆 藏 号：203117086...