基于改进粒子群算法的隐马尔可夫模型训练.pdfVIP

计算机工程与设计 ComputerEngineeringandDesign 2010，31(1) 157 ·人工智能 · 基于改进粒子群算法的隐马尔可夫模型训练 朱嘉瑜 ， 高 鹰 (1．广州大学数学与信息科学学院，广东广州510006；2．广州大学 计算机与教育软件学院，广东广州510006) 摘 要：针对隐马尔可夫模型传统谢I练算法易收敛于局部极值的问题 ，提出一种带极值扰动的自适应调整惯性权重和加速 系数的粒子群算法，将改进后的粒子群优化算法引入到隐马尔可夫模型的训练中，分别对隐马 尔可夫模型的状态数与参数 进优化 通过对手写数字识别的实验说明，提 出的基于改进粒子群优化算法的隐马尔可夫模型训练算法与传统隐马尔可夫 模型训练算法Baum．Welch算法相 比，能有效地跳 出局部板值 ，从而使训练后的隐马尔可夫模型具有较 高的识别能力。 关键词：粒子群优化算法：优化算法；隐马 尔可夫模型；隐马尔可夫模型优化；手写数字识别 中图法分类号：TP301．6 文献标识码：A 文章编号：1000—7024(2010)Ol—O157—04 Adaptiveparticleswarm optimizationforhiddenMarkovmodeltraining ZHU Jia—yu． GAOYing (1．CollegeofMathandInformationScience，GuangzhouUniversity,Guangzhou510006，China； 2．CollegeofComputerScienceandEducationSoftware，GuangzhouUniversiyt,Guangzhou510006，China) Abstract：TosolvetheproblemthateasytoconvergetolocaloptimalsolutionsofhiddenMarkovmodel(HMM) training，aself- adaptiveparticleswarm optimizationalgorithm withdisturbedextremum ispresentedanditisusedinthetrainingofHMM tooptimize thestatenumberandparametersofHMM ．ComparingtheproposedapproachwithBaum—Welchalgorithm HMM trainingmethod，the hand-w·ritedigitsrecognitionexperimenatlresultsshow thattheproposedmethodissuperiortotheBaum--Welchtrainingmethodandmake thetrainedHMM hasbeuerrecong itionability． Keywords：particleswarm optimization； optimizationalgorithm ； hiddenMarkovmodel； hiddenMarkovmodeloptimize； hand— writedigitsrecognition 0 引 言 1 粒子群优化算法 粒子群优化算法(particleswarrnoptimization，PSO)…是一种 PSO算法 是一个基于种群寻优的优化算法 ，粒子群 中的 基于种群搜索的 自适应进化讨算‘技术 。粒子群优化算法与其 个体被称为粒子 。设一个群体 由Ⅳ个粒子组成的，其中的第 它 的进化算法相 比，其具有 以下几个特点 ：算法实现简单、需 i个粒子可 以用一个m维 的向量五(卢1，2，…，^，)表示，第 i个粒 要调整的参数少 、有较强的全局搜索能力、与问题 的特征信息 子 的速度用一个m维的向量表示 ，记为 l，2，…，Jv)。再设 无关等 ，能很好 的用于各种优化 问题 的求解 。但是粒子群优