%0 Journal Article
%T 基于HMM的无溢出高维样本集正态归整方法*
%A 唐京海
%A 张有为
%J 模式识别与人工智能
%P 363-368
%D 2008
%X 提出一种使用卡方图对高维特征向量样本集进行正态评估,并通过平方根变换处理,使样本集更接近正态分布的方法,称为无溢出正态归整方法.该方法解决高维特征样本对隐马尔柯夫模型(HMM)输出概率的溢出问题,其可行性在CED-WYU(1.0)及Cohn-Kanade(CMU)表情序列库上得到验证.利用连续HMM进行的基于光流特征的非特定人脸表情识别实验,采用正态归整得到更好的结果.
%K 隐马尔柯夫模型(HMM)
%K 卡方图
%K 正态性
%K 表情识别
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10201.shtml