HMM参数估计的Gibbs抽样算法  

Algorithm of parameter estimation of HMM via Gibbs sampling

作　　者：朱成文[1] 李兵[2] 胡奎[3] 

机构地区：[1]武汉军械士官学校 [2]国防科技大学理学院 [3]中国人民解放军92941部队96分队

出　　处：《计算机工程与应用》2012年第18期57-60,共4页Computer Engineering and Applications

摘　　要：隐马氏模型(HMM)的参数估计是隐马氏模型各种应用的关键。经典的Baum-Welch算法容易陷入局部最优,对初始参数的要求苛刻。HMM参数估计的Gibbs抽样法,充分利用模型先验信息,借助马氏链蒙特卡洛方法(MCMC)的强大计算功能,避免了陷入局部最优,有更好的效果。The parameter estimation of Hidden Markov Model （HMM） is critical to all its applications. The classic Baum-Welch algorithm is not flexible with the initial parameters and is easy to fall into the local optimal solution. The great computational power of MCMC is employed. The algorithm of parameter estimation of HMM via Gibbs sampling avoids the local optimal solution and can be more effective.

关 键 词：隐马氏模型 GIBBS抽样 共轭先验 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]