版权说明 操作指南
首页 > 成果 > 详情

基于多相关分组的HMM训练算法

认领
导出
Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
王新民;黄新堂;姚天任
作者机构:
[王新民] 孝感学院
华中师范大学
[姚天任] 华中科技大学
[黄新堂] 华中师范大学,物理科学与技术学院,武汉,430072
语种:
中文
关键词:
隐马尔可夫模型;多观察序列;多相关系数;训练
关键词(英文):
hidden Markov model;multiple observations;multiple correlations;coefficient training
期刊:
华中师范大学学报(自然科学版)
ISSN:
1000-1190
年:
2003
卷:
37
期:
2
页码:
179-182
基金类别:
湖北省教育厅重点资助项目(2002A02004).;
机构署名:
本校为其他机构
院系归属:
物理科学与技术学院
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.
摘要(英文):
This paper proposes a HMM training algorithm which is based on grouping multiple observations by multiple correlation coefficient . It avoids computing the conditional probabilities directly and considers the correlativity between successive observation vectors and need not increase computation works any more compare...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com