HMM 多序列训练问题

我在多序列HMM训练中也遇到了相同的问题， 但是不太普遍，如11个检测序列可能其中会有3-4个左右出现概率为0的情况，个人感觉这种情况是由于训练时阈值选取不当造成的。我在训练时是通过每次参数刷新后计算前后两次前向概率并求查，随着循环的继续，差值会继续减小直到达到阈值时循环结束， 当阈值选取较小时（我的阈值为0.01）循环次数较多，最终得到的最优参数（A ，B，pi）中A B矩阵中会有许多0出现，而在计算前向概率时通过迭代公式计算scale[t]时但凡有一项是0得到的结果即为0。 个人感觉解决方法主要还要通过调整阈值与增加序列个数来实现。

hmm是英文的一个象声词，具体意思如下：

1、表示“嗯”的意思，是一种象声词，表示这么在思考或者犹豫。

2、hmm是英文的一个象声词，表达人在享受美味或者美妙感觉发出的声音。

3、语气上升时，表疑问、疑惑或者反问。

hmm的近义词：emmm。

emmm，网络流行词，最早出现于2016年，是“额嗯”的意思，表示思考+敷衍的意思。emmm的出处是常见的贴吧用语，常用在冷场尴尬的尬聊场合。

也有部分人认为该词来自英语ummm的衍生。Ummm属于口语是语气词（拟声词）可以翻译成“呃”，或者“嗯”。

双语例句：

1、Hmm. I guess they do like brochures.               

我猜测他们做相似的说明书。                               

2、Hmm，What if we want to review our configuration?                 

嗯，如果我们想复查我们的配置，该怎么做？                                     

3、Hmm，well, maybe we can buy this one then.             

嗯，好吧，也许我们可以买下这个房子。

假设一个语音文件：ss.wav

%读入文件

[y,fs] = wavread('ss.wav')

%将数据保存在.mat文件

save mydata.mat

将.mat文件数据读入

load mydata.mat

这时工作区就会有y和fs变量了

---