n阶隐马尔可夫模型的参数估计

论文摘要

本文给出了n阶隐马尔可夫模型（HMMn）的定义及结构。在传统的隐马尔可夫模型及二阶隐马尔可夫模型（ HMM2）的基础上,研究了n阶隐马尔可夫模型的前向、后向算法,Baum—Welch算法,并导出了HMMn在单观测序列培训和多观测序列培训两种情况下的参数重估公式。最后,研究了与观测信息相关的n阶隐马尔可夫模型( HMMn×n以及混合n阶隐马尔可夫模型（ MHMMn）的Baum—Welch算法。论文主要分为五个部分。第一部分阐述隐马尔可夫模型理论的发展以及国内外研究现状,引出本文的研究背景,然后介绍了一种约束最优化方法。第二部分主要介绍n阶隐马尔可夫模型的前向、后向算法。第三部分首先介绍n阶隐马尔可夫模型的Baum-Welch算法,紧跟着给出n阶隐马尔可夫模型的参数重估公式,最后介绍重估公式的物理含义。第四部分给出n阶隐马尔可夫模型在多观测序列培训情况下的参数重估公式。第五部分给出与观测信息相关的n阶隐马尔可夫模型以及混合n阶隐马尔可夫模型的定义及结构,进而研究HMMn×n以及MHMMn的前向、后向算法,Baum—Welch算法,并分别推导出了它们的参数重估公式。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景及国内外研究现状
• 1.2 非线性规划
• 1.2.1 凸函数
• 1.2.2 约束最优化方法
• 1.3 隐马尔可夫模型
• 1.3.1 隐马尔可夫模型用于语音识别的优点
• 1.3.2 隐马尔可夫模型用于语音识别的缺点
• 1.4 本文的主要内容
• 第二章 n 阶隐马尔可夫模型的前向-后向算法
• 2.1 问题描述
• 2.2 前向-后向算法
• 2.2.1 前向算法
• 2.2.2 后向算法
• 2.3 观测序列概率的计算
• 第三章 n 阶隐马尔可夫模型的参数估计
• 3.1 Baum-Welch 算法
• 3.2 单观测序列培训n 阶隐马尔可夫模型
• 3.2.1 参数重估公式
• 3.2.2 仿真实验
• 3.2.3 算法分析
• 3.3 重估公式物理含义
• 第四章 用多观测序列培训n 阶隐马尔可夫模型
• 4.1 辅助函数
• 4.2 多观测序列培训情况下的参数重估公式
• 4.3 仿真实验与算法分析
• 4.3.1 仿真实验
• 4.3.2 算法分析
• 第五章 n 阶隐马尔可夫模型改进模型的参数估计
• 5.1 与观测信息相关的n 阶隐马尔可夫模型
• 5.1.1 问题描述
• 5.1.2 前向-后向算法
• 5.1.3 与观测信息相关的n 阶隐马尔可夫模型的参数估计
• 5.2 混合n 阶隐马尔可夫模型
• 5.2.1 问题描述
• 5.2.2 模型的前向—后向算法
• 5.2.3 混合n 阶隐马尔可夫模型的Baum-Welch 算法
• 第六章 总结与展望
• 缩略词
• 致谢
• 参考文献
• 攻读硕士学位期间的学术论文