论文部分内容阅读
传统的最大互信息训练中一般采用梯度方法,这就使得所得模型往往只是一个局部最优模型。文中将最大互信息(MMI)和演化计算(EC)相结合,引入到隐马尔柯夫模型(HMM)的训练中去。各模型集用个体表示,个体的适应值采用模型的最大互信息。这样借助于进化计算的全局搜索及种群的特点,得到了基于最大互信息估计的HMM模型的更优解。实验结果表明,用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统。