学位论文 > 优秀研究生学位论文题录展示

几类特殊隐马氏模型的参数训练问题

作　者: 陈旭阳
导　师: 李兵
学　校: 国防科学技术大学
专　业: 概率论与数理统计
关键词: 隐马氏模型极大似然估计模糊聚类模糊熵相合性渐近正态性
分类号: O211
类　型: 硕士论文
年　份: 2005年
下　载: 113次
引　用: 4次
阅　读: 论文下载

内容摘要

隐马氏模型(the Hidden Markov Model, HMM)需要解决三个问题:解码问题、识别问题和学习问题,对这三个问题的回答构成了隐马氏模型的理论。其中学习问题(也称参数估计问题)是核心问题。本文主要讨论HMM的学习问题,并分别讨论了离散HMM和连续HMM参数估计算法,分析了HMM极大似然估计的大样本性质,另一方面,本文结合模糊信息技术提出了基于模糊聚类的HMM估计算法,解决了几类HMM的参数训练问题。本文的创新之处在于:1分别给出了极大似然意义下离散HMM和连续HMM的参数估计算法,利用熵的性质讨论了HMM极大似然估计的大样本性质,结果表明它是参数真值的相合估计并且是渐近正态的。2将模糊聚类和模糊熵等模糊信息技术引入到了HMM的参数训练中,提出了一种基于模糊聚类算法的离散HMM参数训练算法,通过分析表明,基于模糊技术的参数估计算法具有很好的收敛性质,它保证了初始参数在已给的条件下将收敛到局部最优解。3将各种模糊技术进一步应用到了隐状态数为1的连续HMM(即高斯混合模型Gaussian Mixture Models,GMM)中,在进一步分析传统的估计算法(EM算法)基础上分别提出了两种模糊GMM参数训练算法,即FCM-GMM算法和FE-GMM算法,从所得到的估计结果中看到, EM算法是其中的一个特例。

全文目录

摘要  5-6
ABSTRACT  6-7
第一章绪论  7-10
  1.1 HMM 的研究现状  7-9
  1.2 本文的工作  9-10
第二章 HMM及其极大似然估计算法  10-18
  2.1 HMM 基本定义  10-12
  2.2 HMM 极大似然估计算法  12-18
第三章基于模糊聚类的HMM参数训练  18-37
  3.1 模糊聚类和模糊熵  18-21
  3.2 基于模糊聚类的离散HMM 参数训练  21-28
  3.3 基于模糊聚类的GMM 参数训练及仿真  28-37
第四章 HMM极大似然估计的相合性及其渐近分布  37-54
  4.1 遍历过程及其强大数定律  37-38
  4.2 HMM 极大似然估计的相合性  38-48
  4.3 HMM 极大似然估计的渐近正态性  48-54
结论  54-55
致谢  55-56
参考文献  56-60
硕士阶段的主要工作  60

几类特殊隐马氏模型的参数训练问题

内容摘要

全文目录

相似论文