سال انتشار: ۱۳۸۲

محل انتشار: اولین کنفرانس بین المللی فناوری اطلاعات و دانش

تعداد صفحات: ۹

نویسنده(ها):

حسن بابابیک – دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی برق و الکترونیک
احمد عفیفی – دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی برق و الکترونیک
ابوالقاسم صیادیان – دانشگاه صنعتی امیرکبیر- دانشکده مهندسی برق

چکیده:

مدل پنهان مارکوف بعنوان یک روش مرسوم و معتبر برای بازشناسی الگو و مدل سازی در گستره وسیعی از کاربردها قابل بهره گیری می باشد. معمولاً در تخمین و پیاده سازی مدل مارکوف از الگوریتم EM استفاده می شود. در این مقاله فرایند یادگیری جدیدی با استفاده از داده های ناقص براساس الگوریتم FEM ارائه شده است. روابط و چگونگی تخمین پارامترهای مدل پنهان مارکوف گسسته و پیوسته بر مبنای دو الگوریتم یادگیری فوق تشریح شده است و عملکرد دو روش در بازشناسی گفتار برای صد کلمه مورد بررسی قرار گرفته است. نتایج بدست آمده بیانگر این مطلب است که تخمین پارامترهای مدل پنهان مارکوف بر اساس الگوریتم FEM بخصوص در حالتی که داده آموزشی محدود باشد به مراتب بهتر و دقیق تر از روش مرسوم است و دارای درصد خطای بازشناسی کمتری است.