基于改进粒子群算法的隐马尔可夫模型训练

被引：11

作者：

朱嘉瑜 ^{[1
]}

高鹰 ^{[2
]}

机构：

[1] 广州大学数学与信息科学学院

[2] 广州大学计算机与教育软件学院

来源：

计算机工程与设计 | 2010年 / 31卷 / 01期

关键词：

粒子群优化算法; 优化算法; 隐马尔可夫模型; 隐马尔可夫模型优化; 手写数字识别;

D O I：

10.16208/j.issn1000-7024.2010.01.029

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对隐马尔可夫模型传统训练算法易收敛于局部极值的问题,提出一种带极值扰动的自适应调整惯性权重和加速系数的粒子群算法,将改进后的粒子群优化算法引入到隐马尔可夫模型的训练中,分别对隐马尔可夫模型的状态数与参数进优化。通过对手写数字识别的实验说明,提出的基于改进粒子群优化算法的隐马尔可夫模型训练算法与传统隐马尔可夫模型训练算法Baum-Welch算法相比,能有效地跳出局部极值,从而使训练后的隐马尔可夫模型具有较高的识别能力。

引用

页码：157 / 160

页数：4

共 6 条

[1] 一种非线性系数的粒子群优化算法 [J].