基于ANN-HMM的時序模式識別方法研究.pdf

1、手寫輸入與語音輸入是人機(jī)交互中最自然、最符合人類習(xí)慣的交互方式，而手寫體識別與語音識別也是多模式人機(jī)交互領(lǐng)域中的重要研究對象。這兩種對象具有一個共同的特點，那就是時序性。本文主要研究一種以人工神經(jīng)網(wǎng)絡(luò)（ANN）和隱馬爾可夫模型（HMM）為基本模型的時序模式通用識別方法。ANN具有抗噪聲、自適應(yīng)、學(xué)習(xí)能力強(qiáng)、識別速度快等特點，HMM具有較強(qiáng)的處理時間序列的能力。因此在本文中，將HMM作為整個待識別對象的結(jié)構(gòu)模型，模擬時序模式狀態(tài)之間的轉(zhuǎn)換

2、。用ANN來估計信號幀在HMM狀態(tài)上的概率，并模擬HMM的各個狀態(tài)，對待識別對象的基本單元模型進(jìn)行建模。
　　另外，針對傳統(tǒng)的識別模型結(jié)構(gòu)簡單，自適應(yīng)性差的問題，本文提出了一種自動增減狀態(tài)數(shù)目的模型狀態(tài)優(yōu)化方法。這種方法可以根據(jù)訓(xùn)練樣本的具體情況，對建模精度不夠的狀態(tài)進(jìn)行拆分，對冗余狀態(tài)進(jìn)行刪除，最終達(dá)到一個合適的數(shù)量。我們以手寫符號識別和語音識別為實驗對象，將上述方法與傳統(tǒng)方法做了比較。結(jié)果表明，這種方法在不降低識別率的情況下，