| 一种基于SSM的HMM训练算法 |
| |
| 引用本文： | 王新民,姚天任.一种基于SSM的HMM训练算法[J].武汉大学学报(理学版),2003,49(5):625-628. |
| |
| 作者姓名： | 王新民 姚天任 |
| |
| 作者单位： | 1. 孝感学院,物理系,湖北,孝感,432100
2. 华中科技大学,电子信息工程系,湖北,武汉,430074 |
| |
| 基金项目： | 湖北省教育厅重点项目基金资助项目(2002A02004) |
| |
| 摘 要： | 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算法．
|
| 关 键 词： | 态相关方法 隐马尔可夫模型 参数估计 Baum-Welch算法 SSM HMM训练算法 SBW算法 语音识别 |
| 文章编号： | 1671-8836(2003)05-0625-04 |
| 修稿时间： | 2002年10月9日 |
A HMM Training Algorithm Based on SSM |
| |
| WANG Xin-min,YAO Tian-ren.A HMM Training Algorithm Based on SSM[J].JOurnal of Wuhan University:Natural Science Edition,2003,49(5):625-628. |
| |
| Authors: | WANG Xin-min YAO Tian-ren |
| |
| Institution: | WANG Xin-min~1,YAO Tian-ren~2 |
| |
| Abstract: | In this paper, we derive an algorithm based on well-known BW algorithm for estimating the parameters of a hidden Markov model (we call it SBW algorithm). SBW algorithm relies on a low dimensional state-specific feature set rather than rely on a common high dimensional feature set as conventional BW algorithm, so avoiding directly estimating high-dimensional probability density functions in HMM training. Our computer simulation example shows that the performance of the new algorithm is superior (over) the conventional Baum-Welch algorithm. |
| |
| Keywords: | hidden Markov model(HMM) Baum-Welch algorithm parameter estimation state-specific method sufficient statistics |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
