基于GEP和Baum-Welch算法训练HMM模型的研究

被引：13

作者：

张增银 ^{[1
]}

元昌安 ^{[1
]}

胡建军 ^{[2
]}

蔡宏果 ^{[1
]}

王文栋 ^{[1
]}

杨立志 ^{[1
]}

机构：

[1] 广西师范学院计算机与信息工程学院

[2] 华南理工大学计算机科学与工程学院

来源：

计算机工程与设计 | 2010年 / 31卷 / 09期

关键词：

隐马尔科夫模型; 基因表达式编程; 遗传算法; Baum-Welch算法; 参数最优化;

D O I：

10.16208/j.issn1000-7024.2010.09.002

中图分类号：

O242.1 [数学模拟];

学科分类号：

摘要：

传统的向前-向后算法或Baum-Welch算法训练HMM的转移概率aij和发射概率ai(ot),使观察序列的O概率恰好达到最大值往往很难,虽然在理论上训练HMM的这两个网络结构是可能的,但仅能保证局部的最大值,而基于全局搜索的基因表达式编程(GEP)的一个主要的特点就是可以高效快速的发现全局最优解。把GEP引入到HMM的训练中去,提出一种改进的训练方法GBHA。实验结果表明,该算法比传统算法的系统效率更高、更稳定。

引用

页码：2027 / 2029+2069 +2069

页数：4

共 4 条

[1] 一种基于HMM和遗传算法的伪装入侵检测方法 [J].