10.3321/j.issn:0372-2112.2000.10.026
多观察序列连续隐含马尔柯夫模型的无溢出参数重估
在语音识别系统的HMM模型训练阶段,由于Baum-Welch算法中前向概率和后向概率包含大量连乘项,计算结果数值会越来越小,以致产生溢出.在单观察序列情况下采用定标技术可以妥善地解决溢出问题.在多观察序列情况下,则会引入各序列对HMM的输出概率作为修正系数,其数值很小,溢出问题仍存在.本文分析了溢出问题产生的原因,针对多观察序列的情况,将优化目标函数由输出概率的连乘改为对数累加和形式,推导出一套改进的Baum-Welch算法.该算法降低了HMM参数重估算法的计算复杂度,提高了稳定性,避免了溢出问题.
隐含马尔柯夫过程、Baum-Welch算法、溢出、定标
28
TN912.3
广东省自然科学基金960631
2004-01-08（万方平台首次上网日期，不代表论文的发表时间）
共4页
98-101
