| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 目录 | 第13-15页 |
| 插图索引 | 第15-16页 |
| 第一章 绪论 | 第16-45页 |
| 1.1 一阶隐马氏模型的基本结构 | 第16-21页 |
| 1.2 一阶隐马氏模型的三个基本问题及算法 | 第21-29页 |
| 1.2.1 估值问题的向前-向后算法 | 第21-24页 |
| 1.2.1.1 向前算法 | 第21-23页 |
| 1.2.1.2 向后算法 | 第23-24页 |
| 1.2.2 解码问题的Viterbi算法 | 第24-26页 |
| 1.2.3 学习问题的Baum-Welch算法 | 第26-29页 |
| 1.3 多观测序列下一阶隐马氏模型的Baum-Welch算法 | 第29-34页 |
| 1.3.1 组合方法 | 第29-31页 |
| 1.3.2 基于Baum-Welch算法的参数重估公式 | 第31-34页 |
| 1.4 高阶隐马氏模型的研究综述 | 第34-43页 |
| 1.4.1 高阶隐马氏模型的研究动机和背景 | 第34-36页 |
| 1.4.2 高阶隐马氏模型的一般定义和结构 | 第36-38页 |
| 1.4.3 高阶隐马氏模型算法的研究方法 | 第38-42页 |
| 1.4.3.1 拓展法 | 第38-40页 |
| 1.4.3.2 模型降阶法 | 第40-42页 |
| 1.4.4 高阶隐马氏模型的研究前景 | 第42-43页 |
| 1.5 论文的主要工作 | 第43-45页 |
| 第二章 预备知识 | 第45-55页 |
| 2.1 概率论中一些基本概念和结论 | 第45-47页 |
| 2.2 参数估计的EM算法 | 第47-51页 |
| 2.3 动态规划算法简介 | 第51-55页 |
| 2.3.1 动态规划的基本概念 | 第51-53页 |
| 2.3.2 动态规划的基本原理和基本方程计算法 | 第53-55页 |
| 第三章 三阶隐马氏模型的算法理论 | 第55-83页 |
| 3.1 引言 | 第55页 |
| 3.2 三阶隐马氏模型的结构 | 第55-58页 |
| 3.3 三阶隐马氏模型的基本算法 | 第58-69页 |
| 3.3.1 估值问题的向前-向后算法 | 第58-61页 |
| 3.3.1.1 向前算法 | 第58-59页 |
| 3.3.1.2 向后算法 | 第59-61页 |
| 3.3.2 解码问题的Viterbi算法 | 第61-63页 |
| 3.3.3 学习问题的Baum-Welch算法 | 第63-69页 |
| 3.4 多观测序列下三阶隐马氏模型的Baum-Welch算法 | 第69-80页 |
| 3.5 三阶隐马氏模型与一阶隐马氏模型之间的关系 | 第80-82页 |
| 3.6 本章小结 | 第82-83页 |
| 第四章 多观测序列下高阶隐马氏模型的Baum-Welch算法 | 第83-108页 |
| 4.1 引言 | 第83页 |
| 4.2 高阶隐马氏模型的基本结构 | 第83-86页 |
| 4.3 高阶隐马氏模型的两个等价变换 | 第86-95页 |
| 4.4 多观测序列下高阶隐马氏模型的Baum-Welch算法 | 第95-107页 |
| 4.5 本章小结 | 第107-108页 |
| 第五章 混合高阶隐马氏模型的Baum-Welch算法 | 第108-124页 |
| 5.1 引言 | 第108页 |
| 5.2 混合高阶隐马氏模型的基本结构 | 第108-110页 |
| 5.3 混合高阶隐马氏模型的Baum-Welch算法 | 第110-123页 |
| 5.4 本章小结 | 第123-124页 |
| 第六章 高阶隐马氏模型的解码问题 | 第124-133页 |
| 6.1 引言 | 第124页 |
| 6.2 基于动态规划的高阶隐马氏模型推广的Viterbi算法 | 第124-130页 |
| 6.3 基于一阶隐马氏模型Viterbi算法的高阶隐马氏模型解码算法 | 第130-132页 |
| 6.4 本章小结 | 第132-133页 |
| 第七章 总结和展望 | 第133-136页 |
| 7.1 总结 | 第133-134页 |
| 7.2 展望 | 第134-136页 |
| 参考文献 | 第136-145页 |
| 攻读博士学位期间完成的工作 | 第145-146页 |
| 致谢 | 第146页 |
