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。