• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

混合种群多样性自适应遗传操作的HMM训练模型

王相海, 丛志环, 方玲玲, 宋传鸣

王相海, 丛志环, 方玲玲, 宋传鸣. 混合种群多样性自适应遗传操作的HMM训练模型[J]. 计算机研究与发展, 2014, 51(8): 1833-1844. DOI: 10.7544/issn1000-1239.2014.20121211
引用本文: 王相海, 丛志环, 方玲玲, 宋传鸣. 混合种群多样性自适应遗传操作的HMM训练模型[J]. 计算机研究与发展, 2014, 51(8): 1833-1844. DOI: 10.7544/issn1000-1239.2014.20121211
Wang Xianghai, Cong Zhihuan, Fang Lingling, Song Chuanming. HMM Training Model Using Blending Population Diversity Based Aaptive Genetic Algorithm Title[J]. Journal of Computer Research and Development, 2014, 51(8): 1833-1844. DOI: 10.7544/issn1000-1239.2014.20121211
Citation: Wang Xianghai, Cong Zhihuan, Fang Lingling, Song Chuanming. HMM Training Model Using Blending Population Diversity Based Aaptive Genetic Algorithm Title[J]. Journal of Computer Research and Development, 2014, 51(8): 1833-1844. DOI: 10.7544/issn1000-1239.2014.20121211
王相海, 丛志环, 方玲玲, 宋传鸣. 混合种群多样性自适应遗传操作的HMM训练模型[J]. 计算机研究与发展, 2014, 51(8): 1833-1844. CSTR: 32373.14.issn1000-1239.2014.20121211
引用本文: 王相海, 丛志环, 方玲玲, 宋传鸣. 混合种群多样性自适应遗传操作的HMM训练模型[J]. 计算机研究与发展, 2014, 51(8): 1833-1844. CSTR: 32373.14.issn1000-1239.2014.20121211
Wang Xianghai, Cong Zhihuan, Fang Lingling, Song Chuanming. HMM Training Model Using Blending Population Diversity Based Aaptive Genetic Algorithm Title[J]. Journal of Computer Research and Development, 2014, 51(8): 1833-1844. CSTR: 32373.14.issn1000-1239.2014.20121211
Citation: Wang Xianghai, Cong Zhihuan, Fang Lingling, Song Chuanming. HMM Training Model Using Blending Population Diversity Based Aaptive Genetic Algorithm Title[J]. Journal of Computer Research and Development, 2014, 51(8): 1833-1844. CSTR: 32373.14.issn1000-1239.2014.20121211

混合种群多样性自适应遗传操作的HMM训练模型

基金项目: 国家自然科学基金项目(41271422);教育部高等学校博士学科点专项科研基金项目(20132136110002);辽宁省博士科研启动基金项目(20121076);辽宁高等学校科学技术计划基金项目(L2011192,L2013405,L2013406);大连市科学技术基金计划基金项目(2012J21DW008)
详细信息
  • 中图分类号: TP391

HMM Training Model Using Blending Population Diversity Based Aaptive Genetic Algorithm Title

  • 摘要: 针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题:1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.
    Abstract: With the parameters sensibility problem of HMM model trained by GA method, this paper firstly introduces BPD-AGA algorithm based on blending population diversity. In order to make genetic iteration process enlarge the genetic searching space and improve quality of optimal solution, this algorithm adjusts the genetic parameters adaptively by individual genotype and phenotype which determine the population diversity. Secondly, HMM training model based on BPD-AGA has been proposed. This model selects the largest contribution to blending population diversity as the competition champion by BPD-AGA adaptive selection; On the other hand, HMM global optimal solution can be guaranteed by using BPD-AGA adaptive crossover and mutation, and enlarging the genetic searching space to protect the competition champion. Thirdly, this paper mixes Baum-Welch algorithm and BPD-AGA to increase the BPD-AGA training convergence speed, eventually produces a hybrid BPD-AGA/Baum-Welch model that can improve GA from external and internal. Fourthly, the process of the above model and training algorithm applied in traffic video vehicle driving status recognition has been presented. Experiment results prove the effectiveness of the proposed model and training algorithm.
  • 期刊类型引用(28)

    1. 李东亚,白涛,香慧敏,戴硕,王震鲁,陈珍. 基于RoBERTa多特征融合的棉花病虫害命名实体识别. 河南农业科学. 2024(02): 152-161 . 百度学术
    2. 阮光册,钟静涵,张祎笛. 基于深度学习的术语识别研究综述. 数据分析与知识发现. 2024(04): 64-75 . 百度学术
    3. 王颖洁,张程烨,白凤波,汪祖民. 基于Transformer的司法文书命名实体识别方法. 计算机科学. 2024(S1): 125-133 . 百度学术
    4. 梁宏涛,刘雨婷,李帅,高大唤,朱洁. 多策略黏菌算法优化BiLSTM的命名实体识别研究. 中文信息学报. 2024(07): 51-62 . 百度学术
    5. 王颖洁,张程烨,白凤波,汪祖民,季长清. 中文命名实体识别研究综述. 计算机科学与探索. 2023(02): 324-341 . 百度学术
    6. 毛亮,赵林均,余敦辉,孙斌. 基于知识蒸馏的企业命名实体识别模型. 计算机工程. 2023(05): 90-96 . 百度学术
    7. 王馨瑢,胡金南. 人文社科专题文献命名实体识别. 数字技术与应用. 2023(07): 97-100 . 百度学术
    8. 喻金平,朱伟锋,廖列法. 基于RoBERTa-wwm-BiLSTM-CRF的扶持政策文本实体识别研究. 计算机工程与科学. 2023(08): 1498-1507 . 百度学术
    9. 张文韩,刘小明,杨关,刘杰. 多层结构化语义知识增强的跨领域命名实体识别. 计算机研究与发展. 2023(12): 2864-2876 . 本站查看
    10. 马玉凤,向南,豆亚杰,姜江,杨克巍,谭跃进. 军事系统工程中的知识图谱应用及研究. 系统工程与电子技术. 2022(01): 146-153 . 百度学术
    11. 张毅,王爽胜,何彬,叶培明,李克强. 基于BERT的初等数学文本命名实体识别方法. 计算机应用. 2022(02): 433-439 . 百度学术
    12. 李攀锋,陈樱珏,钟泠韵,林锋. 基于多粒度认知的命名实体识别方法. 四川大学学报(自然科学版). 2022(02): 64-70 . 百度学术
    13. 杨璐,张恬,郑丽敏,田立军. 兽药致病命名实体Att-Aux-BERT-BiLSTM-CRF识别. 农业机械学报. 2022(03): 294-300 . 百度学术
    14. 彭雪,赵辉,郑肇谦,庞海婷. 融合多种嵌入表示的中文命名实体识别. 长春工业大学学报. 2022(01): 81-90 . 百度学术
    15. 刘巨升,于红,杨惠宁,邵立铭,宋奇书,李光宇,张思佳,孙华. 基于多核卷积神经网络(BERT+Multi-CNN+CRF)的水产医学嵌套命名实体识别. 大连海洋大学学报. 2022(03): 524-530 . 百度学术
    16. 刘巨升,杨惠宁,孙哲涛,杨鹤,邵立铭,于红,张思佳,叶仕根. 面向知识图谱构建的水产动物疾病诊治命名实体识别. 农业工程学报. 2022(07): 210-217 . 百度学术
    17. 左亚尧,陈皓宇,陈致然,洪嘉伟,陈坤. 融合多语义特征的命名实体识别方法. 计算机应用. 2022(07): 2001-2008 . 百度学术
    18. 臧凌玉,张应中,罗晓芳. 基于双重深度迁移学习的机械领域命名实体识别. 计算机应用与软件. 2022(09): 219-224 . 百度学术
    19. 范晓武,葛嘉恒. 高速公路突发事件实体识别及事件分类联合模型研究. 计算机时代. 2021(01): 11-15+20 . 百度学术
    20. 赵鹏飞,赵春江,吴华瑞,王维. 基于注意力机制的农业文本命名实体识别. 农业机械学报. 2021(01): 185-192 . 百度学术
    21. 姜同强,王岚熙. 基于双向编码器表示模型和注意力机制的食品安全命名实体识别. 科学技术与工程. 2021(03): 1103-1108 . 百度学术
    22. 王玉玲. 大数据背景的电子商务商品实体识别算法. 微型电脑应用. 2021(06): 80-83 . 百度学术
    23. 娄培,方安,赵琬清,杨晨柳,胡佳慧. 电子病历信息抽取可视化分析. 医学信息学杂志. 2021(04): 35-40 . 百度学术
    24. 刘继明,孙成,袁野. 基于训练模型改进的语音问句信息抽取方法. 科学技术与工程. 2021(18): 7635-7641 . 百度学术
    25. 郑丽敏,任乐乐. 采用融合规则与BERT-FLAT模型对营养健康领域命名实体识别. 农业工程学报. 2021(20): 211-218 . 百度学术
    26. 张晗,胡永进,郭渊博,陈吉成. 信息安全领域内实体共指消解技术研究. 通信学报. 2020(02): 165-175 . 百度学术
    27. 尉桢楷,程梦,周夏冰,李志峰,邹博伟,洪宇,姚建民. 基于类卷积交互式注意力机制的属性抽取研究. 计算机研究与发展. 2020(11): 2456-2466 . 本站查看
    28. 胡万亭,郭建英,张继永. 一种基于改进ELMO模型的组织机构名识别方法. 计算机技术与发展. 2020(11): 25-29 . 百度学术

    其他类型引用(54)

计量
  • 文章访问数:  1187
  • HTML全文浏览量:  1
  • PDF下载量:  542
  • 被引次数: 82
出版历程
  • 发布日期:  2014-08-14

目录

    /

    返回文章
    返回