已閱讀1頁，還剩47頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隱馬爾可夫模型(Hiddell Markov Model)是一種雙隨機(jī)過程，被廣泛地應(yīng)用于模式識別和聚類中并取得了不小的成功。HMM有堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)基礎(chǔ)和有效的學(xué)習(xí)算法，從而在應(yīng)用科學(xué)中成為一種基礎(chǔ)及易于理解的工具。 在實(shí)際應(yīng)用中，對HMM的訓(xùn)練是一個(gè)十分重要的問題，特別是在面對非完整數(shù)據(jù)的情況下。訓(xùn)練的優(yōu)劣關(guān)系到最后聚類效果的好壞。 對HMM的訓(xùn)練就是不斷地調(diào)整HMM的參數(shù)，在已知的觀測值序列下，得到最大的似然度。而由于
2、該問題的復(fù)雜性，現(xiàn)在還沒有高效的，全面的，能得到全局最優(yōu)化的程序。 在訓(xùn)練過程中，用得最多的是Baum-Welch算法。這是一種處理不完全數(shù)據(jù)的算法。我們關(guān)注的就是如何改進(jìn)該算法，以此來提高聚類的效果。主要研究工作如下： 1．提出了一種基于頻率敏感和HMM的聚類算法。它能有效得避免出現(xiàn)空類或類中數(shù)據(jù)過少的現(xiàn)象。實(shí)驗(yàn)結(jié)果證明了該算法的有效性。 2．將自劈分合并競爭學(xué)習(xí)運(yùn)用于HMM，提出了一種新的算法。該算法在自劈分
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論