基于无约束空间中邻域信息的序列分类方法  

Sequence Classification Method Based on Neighborhood Information in Unconstrained Space

作　　者：王行甫[1] 汪宇琪 

机构地区：[1]中国科学技术大学计算机科学与技术学院,合肥230027

出　　处：《计算机工程》2016年第1期311-315,共5页Computer Engineering

基　　金：国家自然科学基金资助项目(61472382;61272472;61232018);国家科技重大专项基金资助项目(2012ZX10004-301-609)

摘　　要：为达到更好的分类效果,提出一种基于邻域相似则序列相似猜想的序列分类方法,将样本序列所定义的有约束隐马尔可夫模型(HMM)空间转换到无约束HMM空间,在标准HMM处提取邻域信息,并将所有邻域信息导入到SVM中进行分类。实验结果表明,与其他经典序列分类方法相比,该方法能较大程度地提高分类效果及速度,同时也验证了最初猜想的正确性。A sequence classification methodology is proposed based on a conjecture that neighborhood s similarity results in sequence＇ s similarity.The constrained Hidden Markov Model（HMM） space defined by sample is transformed to unconstrained HMM space.The neighborhood information is extracted at the standard HMM,and is imported to the SVM.Experimental results show that compared with other classical sequence classification methods,the proposed methodology can indeed greatly improve accuracy or speed.Meanwhile,the results also validate the original conjecture.

关 键 词：序列分类 无约束空间 邻域信息 隐马尔可夫模型 支持向量机 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]