论文部分内容阅读
针对隐马尔可夫模型(HMM)的传统参数估计方法容易陷入局部最优,对初始参数值要求较高且会出现过耦合现象,为了提高模型的鲁棒性和识别性能,提出一种基于改进蚁群算法的HMM参数训练估算法(HMM-ACO)。该算法根据信息素的变化实现全局搜索,较好地解决了迭代算法易发生的局部陷阱问题。与其他全局优化算法相比,该算法识别精度有较大提高。实验表明,利用HMM—ACO算法训练的隐马尔可夫模型具有较好的分类识别性能。