期刊文献+

基于隐马尔可夫模型与神经网络混合的被动声目标分类技术

下载PDF
导出
摘要 提出了一种改进型隐马尔可夫模型/神经网络混合分类器,该分类器将隐马尔可夫模型的时间校正能力与神经网络的静态区分能力结合在一起。它首先利用循环无跳转HMM模型时每一测试特征序列进行全状态分割.将T帧特征序列按时间演化顺序校正成N帧平均状态序列。然后将其作为RBF网络的输入矢量进行分类。实验结果表明,该分类器比单纯的神经网络或隐马尔可夫模型分类器具有更好的分类效果。
机构地区 通信工程学院
出处 《声学与电子工程》 2000年第1期1-4,16,共5页 Acoustics and Electronics Engineering
  • 相关文献

参考文献2

二级参考文献2

  • 1Cho Sungbae,Neural Comput,1995年,7卷,358页
  • 2Gao Y Q,HMM-Based Warping in Neural Networks,1990年

共引文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部