摘 要: 隱Markov樹(shù)（HMT）模型作為一種信號(hào)小波變換系數(shù)的統(tǒng)計(jì)模型較好地刻畫(huà)了小波變換系數(shù)的統(tǒng)計(jì)相關(guān)性和非高斯性。應(yīng)用HMT模型進(jìn)行故障診斷時(shí)，一個(gè)重要的問(wèn)題即是HMT模型結(jié)構(gòu)的選擇。判別信息準(zhǔn)則（DIC）是一種適合于分類(lèi)問(wèn)題的模型選擇準(zhǔn)則，它選擇最不可能產(chǎn)生屬于其它類(lèi)別的數(shù)據(jù)。實(shí)驗(yàn)表明與通常使用的Bayesian信息準(zhǔn)則（BIC）相比，DIC可以選擇識(shí)別率更高的HMT模型。 關(guān)鍵詞: DIC BIC HMT 模型選擇 故障診斷 [b][align=center]The Application of HMT Model Selection Based on DIC in fault diagnosis GUI Lin, WU Xiao-yue[/align][/b] Abstract: As a statistical model of wavelet coefficients, hidden Markov tree （HMT） can consider the statistical dependencies and non-Gaussian statistics of wavelet coefficients. When HMT model is applied in fault diagnosis, an important problem is the HMT model topology selection. Discriminative information criterion （DIC） is one kind of model selection criterion fitting for classification problems. DIC selects the model that is the less likely to have generated data belonging to competing classification categories. The experiment indicates that DIC-generated models gets higher recognition rate in comparison with Bayesian information criterion （BIC）- generated models. Key words: DIC; BIC; HMT; model selection; fault diagnosis 0 引言 　　隱馬爾可夫模型（hidden Markov model，HMM）是一種時(shí)間序列的統(tǒng)計(jì)模型，HMM最先在語(yǔ)音識(shí)別領(lǐng)域中取得了重大突破，隨后在漢字識(shí)別、故障診斷等領(lǐng)域中得到應(yīng)用。隱馬爾可夫樹(shù)模型（hidden Markov Tree，HMT）是一種小波域的HMM模型，它可以描述小波變換的內(nèi)在特性，刻畫(huà)小波變換系數(shù)的統(tǒng)計(jì)相關(guān)性和非高斯性。 HMT已被應(yīng)用于圖像去噪，圖像分類(lèi)，機(jī)械故障診斷等領(lǐng)域，并得到了較好的效果。 　　HMT模型由其模型結(jié)構(gòu)和給定結(jié)構(gòu)下的參數(shù)決定，其結(jié)構(gòu)包括隱狀態(tài)數(shù)和小波二叉樹(shù)的個(gè)數(shù)。應(yīng)用HMT模型進(jìn)行故障診斷時(shí)，一個(gè)重要的問(wèn)題即是模型選擇問(wèn)題。本文主要研究HMT模型結(jié)構(gòu)的最優(yōu)化問(wèn)題，即描述信號(hào)的最佳HMT模型結(jié)構(gòu)。 　　奧卡姆剃刀原則（Occam’s razor principle）是目前模型選擇的主要原則，其主要思想是選擇可以描述數(shù)據(jù)特征的最簡(jiǎn)單模型。奧卡姆剃刀原則的一個(gè)重要理論基礎(chǔ)是Bayesian模式識(shí)別框架。Bayesian識(shí)別框架的主要準(zhǔn)則是Bayesian信息準(zhǔn)則（Bayesian Information Criterion，BIC）。BIC已廣泛應(yīng)用于各種模型選擇中，如HMM的選擇。 　　文獻(xiàn)指出運(yùn)用奧卡姆剃刀原則在分類(lèi)問(wèn)題中不能保證獲得分類(lèi)效果最佳的模型。這主要是由于BIC側(cè)重于使用類(lèi)別內(nèi)特征選擇模型，而沒(méi)有考慮類(lèi)別間特征。因此對(duì)于分類(lèi)任務(wù)，BIC可能不適用。針對(duì)于分類(lèi)任務(wù)的模型選擇問(wèn)題，Alain[10]提出了判別信息準(zhǔn)則（Discriminative Information Criterion，DIC）。DIC在BIC的基礎(chǔ)上，側(cè)重于使用類(lèi)別間的分辨信息進(jìn)行模型選擇。不同于奧卡姆剃刀原則選擇能有效描述數(shù)據(jù)的最簡(jiǎn)單的模型，DIC選擇最不可能產(chǎn)生屬于其它類(lèi)別的數(shù)據(jù)，因此更合適于分類(lèi)任務(wù)。 　　詳情請(qǐng)點(diǎn)擊：基于DIC的HMT模型選擇在故障診斷中的應(yīng)用