Эвристическая методика настройки скрытых марковских моделей для распознавания образов стохастических процессов

Авторы

  • М.М. Гавриков Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова
  • А.Ю. Мезенцева Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова
  • Р.М. Синецкий Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова

DOI:

https://doi.org/10.17213/0136-3360-2022-2-81-88

Ключевые слова:

распознавание речи, скрытые марковские модели, метод Баума – Уэлча, алгоритм Витерби

Аннотация

Предложена эвристическая методика настройки параметров скрытых марковских моделей для реализации в алгоритмах распознавания образов стохастических процессов, регистрируемых в форме последовательностей наблюдений. Методика позволяет получить рабочие модели по небольшому числу обучающих реализаций и включает выполнение двух этапов: предварительная настройка начальных параметров модели с использованием априорных данных и обучение с применением алгоритма Баума - Уэлча. На обоих этапах используется дополнительная процедура корректировки параметров модели, позволяющая устранять проблемы численного характера при их реализации в алгоритмах распознавания. Представлены результаты экспериментальной апробации методики на примере построения моделей для алгоритма распознавания образов трех стохастических процессов.

Биографии авторов

М.М. Гавриков, Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова

канд. тех. наук, доцент кафедры «Программное обеспечение вычислительной техники», Южно- Российский государственный политехнический университет (НПИ) имени М.И. Платова

А.Ю. Мезенцева, Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова

ст. преподаватель кафедры «Программное обеспечение вычислительной техники», Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова

Р.М. Синецкий, Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова

канд. тех. наук, доцент кафедры «Программное обеспечение вычислительной техники», Южно- Российский государственный политехнический университет (НПИ) имени М.И. Платова

Библиографические ссылки

Рабинер Л.Р. Скрытые Марковские модели и их применение в избранных приложениях при распознавании речи // ТИИЭР. 1989. Т. 77. С. 86 - 120.

Baum L., Petrie T. «Statistical Inference for Probabilistic Functions of Finite State Markov Chains», Annals of Mathematical Statistics, 1966. Vol. 37, pp. 1554 - 1563.

Baum L.E., Egon J.A. ""An Inequality with Applications to Statistical Estimation for Probabilistic Functions of a Markov Process and to a Model for Ecology"" Bull. Amer. Meteorology Soc. 1967. Vol. 73 pp. 360 - 363.

Drake A.W. «Discrete-state Markov Processes», Сhapter in Fundamentals of Applied Probability Theory, New York, NY: McGraw-Hill, 1967.

Seymore K., McCallum A., Rosenfel R.: Learning hidden Markov model structure for information extraction. In: Proceedings of the AAAI 1999 Workshop on Machine Learning for Information Extraction. 1999. pp. 37 - 42. AAAI Press, Orlando. Google Scholar.

Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: Физматлит, 1999. 352 с.

Форни мл. Дж.Д. Алгоритм Витерби // ТИИЭР. 1973. Т. 61. № 3. С. 12 - 25.

Опубликован

15.04.2022

Как цитировать

(1)
Гавриков, М.; Мезенцева, А.; Синецкий, Р. Эвристическая методика настройки скрытых марковских моделей для распознавания образов стохастических процессов. electromeh 2022, 65, 81-88.

Выпуск

Раздел

Статьи