资 源 简 介
隐马尔 柯夫模型( HM M ) 的传统 训练方法 ——Baum-W elch 算法只能 得到一个局 部最优 模型, 从而影 响
最终的识别率。对于 CHM M , 分段 K 平均方法来取得一个初始值可以解决这一问题, 但对 DHM M 却改进不大。
而 基于全 局搜索的 进化计 算的一 个重要 特点便 是可以 得到次 优解乃 至全 局最优 解。本文 把进 化计算 引入 到
DHM M 的训练中去, 提出一种改 进的进化训练方法, 实验结果表 明, 这种训 练方法初 具了全局搜 索和快速收 敛
的特点, 得到的模型优于传统方法和直接用进化计算所得的模型, 提高了系统的识别率。
