TY -的A2 - Su,史蒂夫•陈盟——杰森Chin-Tiong 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。这经典的算法是基于最大似然准则。我们引入一个entropy-based维特比算法跟踪最优状态序列HHMM。状态的熵序列是一个有用的数量、HHMM提供一定程度的不确定性。不会有不确定性,如果只有一个可能的最佳状态为HHMM序列。这个entropy-based解码算法可以扩展或减少方法制定。我们延长entropy-based算法计算最优状态序列是由一个一阶广义HHMM用一个观察序列。这个扩展算法执行计算指数对HMM的顺序。这个扩展算法的计算复杂度的增长是由于模型参数。我们引入一个有效的entropy-based解码算法,减少使用方法,即entropy-based有序转变向前算法(EOTFA)来计算最优序列的广义HHMM状态。 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 ~ 是国家的数量在一个等价的一阶模型和 T 是观测序列的长度。SN - 1687 - 952 - 2018/8068196 / 10.1155 x你——https://doi.org/10.1155/2018/8068196——摩根富林明——《概率论与数理统计PB - Hindawi KW - ER