解决Baum-Welch算法下溢问题的参数重估公式中存在的问题及其更正

Ｂａｕｍ－Ｗｅｌｃｈ算法在实际应用中存在算法下溢问题，参考文献ｌ～文献３中都介绍了尺度变换（Ｓｃａｌｉｎｇ）算法以解决该问题．然而这３篇文献的算法公式中存在不同程度的错误．实验结果显示原算法会导致模型训练不收敛或收敛性不好而导致识别率不高．本文分析了这些文献算法公式中存在的问题并推导给出正确公式．使用了修正后算法的语音识别系统有良好的收敛性而且可以获得较高的识别率．

城市化与经济发展的关系模式——对钱纳里模型的参数重估

摘要：以钱纳里模型为基础，基于1990-2009年20年间世界149个国家或地区的经验数据，采用双对数模型，引入城市化自身时间序列变量，回归了城市化与经济发展水平之间关系的标准型式。研究表明：城市化与经济发展水平的定量关系型式在过去50年发生了显著变化，钱纳里模型中标准发展型式已不能直接用来比较当前城市化与经济发展的关系；1990-2009年间，人均GNI值位于1000～10000美元区间时，城市化率从17．78％变化至60．36％，关系匹配值也相应变化，但是城市化率的饱和值仍然保持在75％左右；较小人口规模国家的城市化受经济发展水平影响大于大国和中等国家。

Markov模型的熵与参数估计

Markov模型在标准文本和手写文字的自动识别领域中有特别重要的应用.在讨论如何由观测数据来估计模型参数的问题中,代替Baum辅助函数采用模型的熵特性引入判断函数,并利用此判断函数获得模型参数的重估算法.

与观测信息相关的n阶隐马尔可夫模型的参数估计

定义了与观测信息相关的n阶隐马尔可夫模型,给出了该模型的结构。研究了该模型的前向算法,并用前向算法计算给定模型下观测序列出现的概率。通过研究该模型的Baum-Welch算法,导出了它的参数重估公式。

基于连续隐Markov模型的理论线损率预测研究

提出一种基于连续隐马尔可夫模型的理论线损率预测方法,运用Baum-Welch参数重估修正公式实现CHMM参数优化,建立CHMM模型。依据CHMM模型概率输出判别各可选仿真模型相对于实际系统的有效性。结果表明,该模型运行速度快,在理论线损率预测中有更高的精度。