手语识别中基于HMM的区分性训练方法.PDFVIP

第 2 卷第 1 期 　　　 　　　　 　　　　　　　智 　能 　系 　统 　学 　报 　　　　 　　　　 　 　 　　Vol . 2 №. 1 2007 年 2 月 　　　　　　　 　 　　 　　　　　　　　　　　Feb . 2007 CAA I Tran saction s on Int elligent Sy st em s 手语识别中基于 H M M 的区分性训练方法 王雨轩 , 倪训博 ,姜 　峰 ( 哈尔滨工业大学 计算机学院 ,黑龙江 哈尔滨 15000 1) ( ) ( ) 摘 　要 :传统的隐马尔科夫模型 HMM 的训练方法基于统计概率的最大似然准则 ML E ,在训练样本数 目足够大 的情况下 ,这种方法在理论上可以得到最优的结果. 在手语识别研究中 ,采集足够大的训练样本十分困难. 区分性训 练可以很好地弥补由于训练样本的缺乏以及手语模型之间的近似而造成的识别系统的缺陷. 最大交互信息准则 ( ) MM IE 作为区分性训练准则的一种已经被广泛的应用于语音识别领域. 文中通过合理的构建手语识别中的竞争模 型和易混集 ,提出了 MM IE 准则的改进形式 , 并将其应用于特定人与非特定人手语识别. 实验证明 ,使用改进的 MM IE 准则对识别系统性能有很大的提高. 关键词 :区分性训练 ; 隐马尔科夫模型 ;易混集 ;最大交互信息 中图分类号 : 　文献标识码 :A 　文章编号 (2007) 0 1008005 Discriminative training methods of HMM f or sign language recognition WAN G Yuxuan , N I Xunbo , J IAN G Feng ( School of Comp ut er Science , Harbin In stit ut e of Technolo gy , Harbin 15000 1 , China) Abstract :The t raditional met ho d of t raining HMM ( Hidden Mar kov Mo del s) i s ba sed on ML E (maximum likelihoo d e stimation) . When t rainin g samp le s are sufficient enough , t he met ho d can p rincip ally gain t he op timal re sult . However , it i s too difficult to get such lar ge dat a set s p ractically , e sp ecially in sign lan guage reco gnition . Di scriminative t raining met ho d can imp rove t he er ror rat e of ML E , w hich i s cau sed by in sufficient t raining dat a an d similaritie s amon g sign language mo del s. Maximum mut ual infor mation e sti mation a s one of di scriminative t raining met ho ds ha s been widely app lied in sp eech