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。
出处
《声学与电子工程》
2000年第1期1-4,16,共5页
Acoustics and Electronics Engineering
