文档介绍：几类隐马氏模型的参数估计算法理学硕士学位论文国防科学技术大学研究生院晔辉二硕士生姓名陈文锋学科专业概率论与数理统计研究方向应用概率指导教师李兵教授分类号密级骸珼
摘要隐马尔科夫模型虺莆狧,的缩写且焕嗤臣颇型,它包括一个隐状态过程和一个与之相关的可观测过程。。随后这一模型于七十年代中期由术之一。目前,它在生物统计、基因识别、文字识别和图像处理等方面都有广泛应用。隐马氏模型需要解决三个问题:学习问题、识别问题和解码问题,对这三个问题的回答构成了隐马氏模型理论,其中参数估计是学习问题的核心。本文主要研究了下面几个问题:懒⒌赝频汲隽肆硎夏P椭械那跋蛩惴ǎ⒃诖嘶∩细隽嘶最大互信息的连续型隐马氏模型参数训练方法。致哿薓路径估计的收敛性,即在全局最优的条件下考察了当观测序列趋于无限时隐状态序列的收敛性问题。涯:乃枷胍氲揭硎夏P椭校岢隽艘恢执心:愕囊硎夏型并推导出在此模型下的前向算法、后向算法和惴ā疚陌型模糊集的思想引入到了基于模糊聚类的离散隐马氏模型参数训练中,提出了改进的惴ā在一般情况下研究肪豆兰频氖樟残晕侍饨俏颐窍乱唤锥蔚墓ぷ髦点,另外对于本文提出的一些算法需要在以后的语音识别实践中进一步完善。关键词:隐马尔科夫模型参数估计肪豆兰扔τ玫接镆羰侗鹆煊颍鸩椒⒄钩晌S镆羰侗鹆煊蛑凶钪跄俊⒆钣行У募最大互信息惴模糊集国防科学技术大学研究生院学位论文第
岫功甌鰎弓甒鷌瓼瓾国防科学技术大学研究生院学位论文躶畐..甶第页甀..琯甌瓼甇宥甌蹇蒫瓵豫.
:愕囊硎夏P汀颓淠:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯......⋯.......⋯.⋯⋯...⋯...
日期:阳乙月日期:一Φ耗旮卦岁日,期:沙&,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表和撰写过的研究成果,也不包含为获得国防科学技术大学或其它教育机构的学位或证书而使用过的材料。,,允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库进行检索可以采用影印、缩印或扫描等复制手段保存,:
第一章绪论§。随后这一模型于上世纪七十年代中期由扔τ玫接镆羰侗鹆煊蛑校鸩椒⒄钩晌S镆羰侗鹬最瞩目、,进而成为公认的一个研究热点。目前它已经在基因识别、密码分析、语音识别、文字识别、目标跟踪、信号处理和图像处理等等许多领域获得了广泛的应用。继曼哈顿原子弹计划、阿波罗登月计划之后,美国于年投资亿美元,启动了第三个国家计划即人类基因组计划。许多国家都投入大量的资金进行人类基因组计划中的部分工作,这推动了各种计算技术在生物学科的应用,产生了“计算生物信息学”这门交叉学科。隐马氏模型就是其中最突出的技术之一”生物统计、基因关联分析和基因识别等方面都有成功的应用。实际上目前最有效的基因识别软件暮诵募际蹙褪腔贖的。文献【扛隽薍在藏的并且具有马氏性的输入状态构成,称之为状态马氏链;另一个由与状态马氏链相关的可被观测的输出状态所构成,通常称之为观测过程。需要解决三个问题:学习问题、识别问题和解码问题,对这三个问题的回答构成了理论。,再由样本对参数修正,使之逐次逼近真实参数。然而这种经典的算法也有诸如修正值不唯一、并不是在所有情况下都适用等不完美的地方,。但由于它只是用预先标识好属于某一个模型的数据来训练该模型,从而不能保证这一似然概率比其它模型对应数据的似然概率更大。一旦出现这种情况,很基因测序及后基因处理中应用的具体例子。且恢植煌耆莸耐臣颇P停闪礁鏊婊套槌桑渲幸桓鲇梢一组最适合数据集的参数。调整模型