|
|||||
|
|
| 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 | |