隠れマルコフモデルにおけるクラスラベル無しデータの利用

概要

論文の詳細を見る
本論文では,隠れマルコフモデル(HMM)の識別器としての性能を向上させるために,低コストで収集可能なラベル無し時系列データに確率的なクラスラベルを付与して,ラベル有りデータとともに訓練データとして利用する手法を提案する.従来の確率的クラスラベルによるラベル無しデータ利用手法は,静的データのみを対象とし,HMMが対象とする時系列データを取り扱えない.そこで,従来手法を以下のように拡張する.まず,各クラスに対して独立に存在する複数のHMMを混合し,拡張結合混合型隠れマルコフモデル(ETM-HMM)を構成する.次いで,ETM-HMMにおけるラベル有りラベル無し混在時系列データからの学習アルゴリズムとして,拡張Baum-Welch (EBW)アルゴリズムを導出する.ラベル有り訓練データが不足している状況を想定し,上記提案手法を用いて,手話データ及び音声データを対象とした識別実験を行った.提案法に従ってラベル有り訓練データにラベル無しデータを追加したところ,手話単語誤識別率が38.7%から30.4%に改善した.また,ラベル無しデータ追加とともにモデルを詳細化することで,音素誤識別率が69.1%から52.9%に改善した.
社団法人電子情報通信学会の論文
2003-02-01