Algoritmo Híbrido Para Estimação ML De Modelos HMM Baseado Em Treinamento De Viterbi E Otimização PSO

Título: Algoritmo Híbrido Para Estimação ML De Modelos HMM Baseado Em Treinamento De Viterbi E Otimização PSO

Autores: Marques, Elaine C.; Maciel, Nilson; Pinto, Ernesto L.

Resumo: Propõe-se aqui um algoritmo híbrido baseado no Treinamento de Viterbi e no algoritmo PSO (Otimização por Enxame de Partículas) para a estimação de máxima verossimilhança dos parâmetros dos modelos HMM. Uma comparação de desempenho com os algoritmos Baum-Welch (BW) e PSO é apresentada, focando principalmente a habilidade dos algoritmos em se aproximar da solução de máximo global. Os resultados obtidos sugerem que o algoritmo proposto tem desempenho superior aos algoritmos BW e PSO.

Palavras-chave: HMM; estimação ML; Treinamento de Viterbi; PSO; erros em surtos

Páginas: 8

Código DOI: 10.21528/CBIC2011-33.3

Artigo em pdf: st_33.3.pdf

Arquivo BibTex: st_33.3.bib