二阶隐Markov模型的一种简化算法及参数估计  

An Abridged Algorithm and Parameter Estimation of Second-Order Hidden Markov Models

作　　者：杜世平[1] 

机构地区：[1]四川农业大学生命科学与理学院数学系,四川雅安625014

出　　处：《山西大学学报（自然科学版）》2009年第3期358-362,共5页Journal of Shanxi University(Natural Science Edition)

基　　金：国家"八六三"高技术项目(2006AA10Z179);四川省教育厅自然科学基金重点项目(08IA060)

摘　　要：针对现有的二阶隐Markov模型(second-order HMM:HMM2)算法给出了一种新的简化算法.新算法是一种与Baum-Welch算法相似的算法,允许每一状态的观测概率密度函数(probability density function:PDF)可以用不同的特征集来定义和估计.基于此方法给出了相应的识别方法和参数估计.这种方法是基于充分统计量的,并且从理论上来说不会造成性能的损失.An abridged algorithm of second-order Hidden Markov Models（HMM2） was made. New algorithm was similar to the well-known Baum-Welch algorithm for estimating the parameters of a Hidden Markov Models（HMM）,which allowed the observation PDF of each state to be defined and estimated using a different feature set. Based on this method the corresponding recongnition method and parameter estimation are presented. This method was based on sufficient statistics and resuited in no theoretical loss of performance.

关 键 词：二阶隐Markov模型 Baum-Welch算法 高斯混合模型 充分统计量 LAGRANGE乘子 

分 类 号：O212.7[理学—概率论与数理统计]