伸縮変形隠れマルコフモデルと時系列認識への応用
スポンサーリンク
概要
- 論文の詳細を見る
本稿では,時系列データを表す新たな確率モデルとして「伸縮変形隠れマルコフモデル」を提案する.従来,時系列データを表現するために,隠れマルコフモデル(HMM)が広く用いられてきた.HMMでは,観測信号は個々の状態から独立に生成されるとしているが,実際の多くの時系列データは信号間で強い相関を持つことが多い.提案モデルは,入力された時系列データにあわせてパラメータに確率的な変形機能を備えることにより信号間の相関を表現する新しいモデルである.本稿では,提案モデルを定義するとともに時系列認識に適用して有効性を示す.
- 社団法人電子情報通信学会の論文
- 2002-10-10
著者
-
大町 真一郎
東北大学大学院工学研究科
-
阿曽 弘具
東北大学大学院工学研究科
-
大町 真一郎
東北大学 大学院工学研究科
-
加藤 毅
東北大学大学院工学研究科
-
阿曽 弘具
東北大学大学院工学研究料
-
加藤 毅
群馬大学大学院工学研究科
-
大町 真一郎
東北大学大学院 工学研究科
関連論文
- 2値化とエッジ抽出による情景画像からの高精度文字列検出(画像認識,コンピュータビジョン)
- 付加情報の一般的な割当(パターン認識)
- ベクトル空間へのグラフの埋め込みによるシルエット画像認識
- 編集距離と多次元尺度構成法によるシルエット画像認識(一般セッション11)
- 編集距離と多次元尺度構成法によるシルエット画像認識(一般セッション4,三次元画像,多視点画像)
- データベースおよびクエリの拡張による文書画像検索の精度向上法 (ヒューマン情報処理)
- 多重解像度画像からの特徴抽出 (小特集 ビジョンコンピューティングにおける確率的情報処理の展開)
- 色情報とエッジ情報を用いた信号機の高速検出
- 3.多重解像度画像からの特徴抽出(ビジョンコンピューティングにおける確率的情報処理の展開)
- ディジタルペン