基于GEP和Baum-Welch算法训练HMM模型的研究

张增银  元昌安  胡建军  蔡宏果  王文栋  杨立志  

【摘要】：传统的向前-向后算法或Baum-Welch算法训练HMM的转移概率aij和发射概率ai(ot),使观察序列的O概率恰好达到最大值往往很难,虽然在理论上训练HMM的这两个网络结构是可能的,但仅能保证局部的最大值,而基于全局搜索的基因表达式编程(GEP)的一个主要的特点就是可以高效快速的发现全局最优解。把GEP引入到HMM的训练中去,提出一种改进的训练方法GBHA。实验结果表明,该算法比传统算法的系统效率更高、更稳定。

【作者单位】： 广西师范学院计算机与信息工程学院;华南理工大学计算机科学与工程学院;
【关键词】： 隐马尔科夫模型 基因表达式编程 遗传算法 Baum-Welch算法 参数最优化
【基金】：国家自然科学基金项目(60763012) 广西新世纪十百千人才工程专项基金项目(2006220) 广西高等学校优秀人才计划基金项目(RC2007022) 广西研究生教育创新计划基金项目(2009106030774M03)
【分类号】：O242.1
【正文快照】：

0引言隐马尔科夫模型(hiddenMarkovmodel,HMM)是一种具有学习能力的统计模型,HMM在语音识别,手写字符识别,图像处理,生物信号处理等诸多领域得到了广泛的应用[1]HMM的参数设置是其能否成功应用的关键,提取特征矢量和确定HMM状态输出概率密度函数形式是参数设置的重要环节。从

http://www.cnki.com.cn/Article/CJFDTOTAL-SJSJ201009040.htm