基于EM算法的汉语自动分词方法

汉语自动分词是中文信息处理中的基础课题。本文首先对汉语分词的基本概念与应用 ,以及汉语分词的基本方法进行了概述。接着引出一种根据词的出现概率、基于极大似然原则构建的汉语自动分词的零阶马尔可夫模型 ,并重点剖析了EM(Expectation Maximization)算法 ,对实验结果进行了分析。最后对算法进行了总结与讨论。     

基于EM算法的MIMO-OFDM系统半盲信道估计研究

文章通过对MIMO-OFDM(Multiple Input Multiple Output Orthogonal Frequency Division Mul-tiPlexing)系统及其信道估计的分析,针对MIMO-OFDM系统提出一种基于EM的半盲信道估计算法。不仅有利于减少MIMO-OFDM的系统开销,且有助于提高系统的信道估计精度,降低了计算的复杂度。     

基于高斯混合模型的图像检索算法研究

通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。     

基于不同缺失率的EM算法参数估计分析

在社会资料调查工作中,往往因失访、未响应或者回馈结果不合格等多方面因素,会造成不同程度上的数据缺失,这一现象较为常见且难以避免.按照统计学观点,将包含缺失数据的记录归为不完全观测范畴,它对调查研究工作的最终结果影响巨大.而EM(期望最大化)算法,则恰好满足了需要利用不完全数据来研究分析问题的要求,具有重要意义.本文结合不同缺失率下的EM算法参数估计分析,对EM算法进行了全面评测.     

一种改进EM算法的联合信道估计与数据检测

最近的一些研究表明,在接收机利用可用的信道估计误差的统计时,可以显著提高检测性能.对此,提出了一种基于改进期望最大化（EM）算法的数据辅助信道估计,它通过在每次迭代中提供估计误差的统计信息,减少在各自的接收器信道估计误差的影响.仿真结果表明,与传统的EM及VBEM算法相比,在不需增加接收机复杂程度的情况下,改进的EM算法在估计精度上优于其对应的传统估计方法,有效降低了信道估计误差,其误码性能接近理想信道时的性能.     

基于HMM状态结构调整的非特定人语音识别

利用HMM模型状态间的混淆度, 提出了一种新的状态结构调整算法, 使不同的状态可以共享相同的高斯混合函数, 并在EM算法的框架下推导出对状态结构调整后的增加参数, 即状态间权值的重估公式. 并对非特定人进行大词汇量汉语连续语音识别实验, 实验结果表明状态结构调整后的系统不仅优于基线系统, 还获得了比传统的参数增加方法更高的识别率, 由此证明了状态结构调整方法的有效性.