본 연구에서는 견고한 이산형 은닉마르코프모델의 파라미터를 얻기위한 방법으로 CDDN(codeword dependent distance Normalization)과 거리에 기반한 코드워드 가중방법을 제안한다. 제안된 방법에서 FVQ(fuzzy vector quantization)에 기반한 방법에서 코드워드에 대한 출력확률 계산 시, 코드워드의 분포특성과 상태 의존적인 코드워드의 특성을 반영하여 거리를 계산하고, 이 거리값에 퍼지목적함수를 적용하여 코드워드별 기여도를 계산한다. 실험결과, 제안된 방법이 기존의 FVQ기반한 방법에 비해서 4.5%정도의 인식율 향상이 있음을 할 수 있었다. 특히, 거리가중치를 사용하여 출력확률 평활화를 적용한 경우가 단순히 코드워드별 가중을 적용한 경우에 비해서 2.5% 성능향상을 보였다.
In this paper, we have proposed the robust estimation of HMM parameters which is based on CDDN(codeword dependent distance normalization)and codeword weighting by distance. The proposed method has used a distance normalization based on the characteristics of a codeword dependent distribution and have computed fuzzy contributions of codeword to a input vector with a fuzzy objective function. From experimental results, we have shown the effectiveness of the proposed method in that the correction rate of the proposed method is improved 4.5% over the conventional FVQ based method. Especially, the application of distance weighting to smoothing of output probability is improved the performance of 2.5% compared to distance based codeword weighting.
