基于遗传非参数MDL-BW方法的HMM结构优化

作     者：徐佳伟 罗倩 XU Jia-wei;LUO Qian

作者机构：北京信息科技大学信息与通信工程学院北京100101 北京信息科技大学光电测试技术及仪器教育部重点实验室北京100101 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2022年第50卷第11期

页      面：2765-2772页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：企业委托基金(No.9151524108) 

主　　题：随机搜索 MDL准则 非参数 结构优化 全局优化 隐马尔科夫模型 BW方法 

摘      要：隐马尔科夫模型(Hidden Markov Model,HMM)广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇(Baum Welch,BW)算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题,本文提出了遗传非参数MDL-BW方法.该方法通过结合遗传(Genetic Algorithm,GA)算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间,结合非参数思想帮助自动寻求HMM的合适参数个数,同时以最小描述长度MDL(Minimum Description Length,MDL)作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.