科研之友
微信
新浪微博
Facebook
分享链接
摘要
隐马尔科夫模型（Hidden Markov Model,HMM）广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇（Baum Welch,BW）算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题，本文提出了遗传非参数MDL-BW方法 .该方法通过结合遗传（Genetic Algorithm,GA）算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间，结合非参数思想帮助自动寻求HMM的合适参数个数，同时以最小描述长度MDL(Minimum Description Length,MDL)作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.
- 单位
