基于多相关分组的HMM训练算法 |
| |
引用本文: | 王新民,黄新堂,姚天任.基于多相关分组的HMM训练算法[J].华中师范大学学报(自然科学版),2003,37(2):179-182. |
| |
作者姓名: | 王新民 黄新堂 姚天任 |
| |
作者单位: | 1. 孝感学院,物理系,湖北,孝感,432100 2. 华中师范大学,物理科学与技术学院,武汉,430072 3. 华中科技大学,电信系,武汉,430074 |
| |
基金项目: | 湖北省教育厅重点资助项目(2002A02004). |
| |
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。
|
关 键 词: | 隐马尔可夫模型 多观察序列训练HMM理论 多相关分组 HMM训练算法 Baum-Welch算法 语音识别 |
文章编号: | 1000-1190(2003)02-0179-04 |
修稿时间: | 2002年11月12 |
A HMM training algorithm based on grouping multiple observations by multiple correlation coefficient |
| |
Abstract: | |
| |
Keywords: | hidden Markov model multiple observations multiple correlations coefficient training |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
| 点击此处可从《华中师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《华中师范大学学报(自然科学版)》下载免费的PDF全文 |