跳到主要內容

臺灣博碩士論文加值系統

(3.239.4.127) 您好!臺灣時間:2022/08/16 02:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:莊博文
論文名稱:潛藏馬可夫模型應用於轉換機率之估算正確性模擬研究
指導教授:楊志堅楊志堅引用關係
學位類別:碩士
校院名稱:臺中師範學院
系所名稱:教育測驗統計研究所
學門:教育學門
學類:教育測驗評量學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:59
中文關鍵詞:學習向量量化網路潛藏馬可夫模型模擬
外文關鍵詞:LVQHMM
相關次數:
  • 被引用被引用:3
  • 點閱點閱:317
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本文主要是利用潛藏馬可夫模型中的狀態轉移機率,結合類神經網路中的學習向量量化網路模式,藉著兩者的相互配合應用,針對不同類別資料之間的轉移變換機率,來進行推估預測狀況所作的探討。而本研究主要是以MATLAB來撰寫程式與產生原始的各種混合資料,並採模擬試驗的方式,將所得的結論加以分析。主要探討的要點可分為學習向量量化網路的分類情況、不同的時間點長度與狀態轉移機率初始值的設定等三方面進行。以提供想要使用各類別資料轉換趨勢的研究者,在從事研究時有進一步的參考依據。
整體而言,本研究的研究結論如下:
一、利用學習向量量化網路模式來結合應用於潛藏馬可夫模型的方式,能有效的將資料加以分類,且分類後具有良好的可信度,可見將學習向量量化網路與潛藏馬可夫模型相互應用,是個不錯的選擇。
二、在固定相同的狀態轉移機率下,針對時間點長度的不同,所推估出來的機率與目標值的比較結果可以得知,時間點的長度不會造成對推估狀態轉移機率時造成明顯的誤差,換言之,不同的時間點長度不會影響狀態轉移機率的預測準確情形。
三、在推估模型的狀態轉移機率時,研究中所設定的狀態轉移機率的初始機率值,會直接影響所推估出來的狀態轉移機率的準確性。唯有在實際值的上下百分之二十的區間範圍內的初始設定值,才能有效的推估出正確的機率。
關鍵詞:學習向量量化網路、潛藏馬可夫模型、模擬、LVQ、HMM
目 錄
第一章 緒論……………………………………….…………………...…..….1
第一節 研究背景………….…….…………………………...…….…….1
第二節 研究動機………………….………….………………...…..……2
第三節 研究目的……………………………………..……………….…4
第二章 文獻探討………………………………….……….……………...…..5
第一節 學習向量量化網路……………….…………….…….………....5
第二節 潛藏馬可夫模型…………………………………….………....13
第三章 研究方法………………………………………………….………....25
第一節 研究架構…………………………….…………………...….…25
第二節 研究工具與步驟………………………………………….....…29
第三節 學習向量量化網路的設定…………………….…………...….31
第四節 潛藏馬可夫模型的設定…………………………...……..……32
第四章 研究結果與討論……………………….……………………...…….34
第一節 學習向量量化網路分類結果之研究探討………………….…34
第二節 時間點長度之研究探討…….……………….……………...…37
第三節 狀態轉移機率初始值之研究探討………….…………………38
第四節 相關探討…………………………………………………….…50
第五章 結論與建議…………………………….……………………...…….53
第一節 研究結論…………………………………………………….…53
第二節 後續研究之建議…………….……………….……………...…54
參考文獻…………………………….…………………………………...…….56
一、中文文獻…………………………………………………………….56
二、英文文獻…………………………………………………………….57
參考文獻
一、中文文獻
李憲文(民81):在正交處理機上的平行潛藏馬可夫模型演算方法。電腦與通訊,3,9-14。
朱穆桂(出版中):國民小學學童口語理解團體施測量表相關之研究。國立台中師範學院教育測驗統計研究所碩士學位論文。
林志榮(民89):結合潛藏馬可夫模型與類神經網路之國語語音辨識。國立中央大學電機工程研究所碩士學位論文。
許昭子(民64):馬可夫鏈鎖迴歸狀態之研究。台北工專學報,8,21-30。
張宇恭(民65):馬可夫連鎖的理論與應用。輔仁學誌,8,45-76。
黃孝雲(民88):改良式調適性模糊集群分析法之研究。國立台中師範學院教育測驗統計研究所碩士學位論文。
葉怡成(民86A):類神經網路模式應用與實作。台北市,儒林。
葉怡成(民86B):應用類神經網路。台北市,儒林。
程瑜銘(民89):潛藏馬可夫模式應用於水下聲源訊號識別之研究。私立中原大學資訊工程學系碩士學位論文。
楊永泰(民89):潛藏馬可夫模型應用於中文語音辨識之研究。私立中原大學資訊工程學系碩士學位論文。
蔡良庭(民90):類神經網路之估算法-LVQ精確度研究。國立台中師範學院教育測驗統計研究所碩士學位論文。
賴源正、余孝先、江政欽(民83):混合型學習式向量量化法。電腦與通訊,25,4-10。
謝郡青(民87):以連續型潛藏馬可夫模型來計算中文簽名之動態相似值。私立元智大學電機與資訊工程研究所碩士學位論文。
二、英文文獻
Baldi, P., Chauvin, Y., Hunkapiller, T., & McClure, M. A. (1994). Hidden Markov models of biological primary sequence information. Proceedings of the National Academy of Sciences of the United States of America, 91, 1059-1063. http://citeseer.nj.nec.com/context/76408/0.
Baum, L. E., & Petier, T. (1966). Statistical inference for probabilistic functions of finite state Markov chains. The Annals of Mathematical Statistics, 36(6), 1554-1563.
Baum, L. E., Pitrie, T., Soules, G., & Weiss, N. (1970). A maximization technique occurring in the statistical analysis of probabilistic functions in Markov chains. The Annals of Mathematical Statistics, 41(1), 164-171.
Bilmes, J. A. (1998). A Gentle Tutorial of the EM Algorithm and its Application to Parameter estimation for Gaussian Mixture and Hidden Markov models. INTERNATIONAL COMPUTER SCIENCE INSTITUTE.tr-97-021. http://www.icsi.berkeley.edu/techreports/1997.abstracts/tr-97-021.html.
Eddy, S. R., Mitchison, G., & Durbin, R. (1995). Maximum discrimination hidden Markov models of sequence consensus. J. Comput. Biol., 2, 9-23. http://citeseer.nj.nec.com/context/84854/0.
Eddy, S. R. (1996). Hidden Markov models. Current Opinion in Structural Biology, 6, 361-365. http://www.genetics.wustl.edu/eddy/publications/.
Eddy, S. R. (1998). HMMER User’s Guide-Biological sequence analysis using profile hidden Markov models. http://hmmer.wustl.edu/.
Halbert, W. (1989). Some Asymptotic Results for Learning in Single Hidden Layer Feedforward Network Models. Journal of the American Statistical Association, 84, 1003-1013.
Kanungo, T. (2000). UMDHMM. http://www.cfar.umd.edu/~kanungo/software/software.html.
Kohonen, T. (1998A). An introduction to neural computing. Neural Network, 1(1), 3-16.
Kohonen, T. et al. (1998B). Statistical pattern recongnition with neural networks : benchmark studies. ICNN-88,1.
Markov, A. A. (1913). An example of statistical investigation in the text of "Eugene Onyegin" illustrating coupling of "tests" in chains. Proc. Acad. Sci. St. Petersburg VI Ser, 7, 153-162.
McLachlan, G. J., & Krishnan, T. (1997). The EM Algorithm and Extensions. New York: Wiley.
Neuwirth, L. P. (1970). Unpublished lectures.
Poritz, A. M. (1988). Hidden Markov Models: a guided tour. International Conference on Acoustic, Speech and Signal Processing, 7-13.
White, H. (1989). Some Asymptotic Results for Learning in Single Hidden Layer Feedforward Network Models. Journal of American Statistical Association, 84, 1003-1013.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top