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交互中最自然、最符合人類習慣的交互方式，而手寫體識別與語音識別也是多模式人機交互領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網絡（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、學習能力強、識別速度快等特點，HMM具有較強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構模型，模擬時序模式狀態之間的轉換

2、。用ANN來估計信號幀在HMM狀態上的概率，并模擬HMM的各個狀態，對待識別對象的基本單元模型進行建模。
　　另外，針對傳統的識別模型結構簡單，自適應性差的問題，本文提出了一種自動增減狀態數目的模型狀態優化方法。這種方法可以根據訓練樣本的具體情況，對建模精度不夠的狀態進行拆分，對冗余狀態進行刪除，最終達到一個合適的數量。我們以手寫符號識別和語音識別為實驗對象，將上述方法與傳統方法做了比較。結果表明，這種方法在不降低識別率的情況下，