TY - JOUR A2 - Su, AU - Chan, AU - Ong，香港Choon PY - 2018 DA - 2018/05/02 TI -小说Entropy-Based解码算法的广义高阶离散隐马尔可夫模型SP - 8068196六世- 2018 AB -最优状态序列的广义高阶隐马尔可夫模型(HHMM)追踪从一个给定的观测序列使用经典的维特比算法。该经典算法基于极大似然准则。我们引入了一种基于熵的维特比算法来跟踪HHMM的最优状态序列。状态序列的熵是一个有用的量，它提供了HHMM不确定性的度量。如果HHMM只有一个可能的最优状态序列，则不存在不确定性。这种基于熵的译码算法可以用一种扩展的或简化的方法来表示。我们将基于熵的算法用于计算最优状态序列，该算法由一阶发展为具有单一观测序列的广义HHMM。该扩展算法按HMM的阶数进行指数计算。这种扩展算法的计算复杂性是由于模型参数的增长。 We introduce an efficient entropy-based decoding algorithm that used reduction approach, namely, entropy-based order-transformation forward algorithm (EOTFA) to compute the optimal state sequence of any generalized HHMM. This EOTFA algorithm involves a transformation of a generalized high-order HMM into an equivalent first-order HMM and an entropy-based decoding algorithm is developed based on the equivalent first-order HMM. This algorithm performs the computation based on the observational sequence and it requires O T N ～ 2 计算, N ～ 等价一阶模型中的状态数和 T 为观测序列的长度。SN - 1687-952X UR - https://doi.org/10.1155/2018/8068196 DO - 10.1155/2018/8068196 JF - Journal of Probability and Statistics PB - Hindawi KW - ER -