هادی صدوقی یزدی - بخش مهندسی برق دانشگاه تربیت مدرس
احسان اله کبیر
مجتبی لطفی زاده - بخش مهندسی برق دانشگاه تربیت مدرس
محمود فتحی

روش متداول آموزش مدلمخفی مارکف HMM بام ولش است که یک روش تپه نوردی است در این مقاله از الگوریتم ژنتیک با احتمال جهش بازگشتی در آموزش HMM برای طبقه بندی 9 نوع مسیر حرکت وسایل نقلیه در صحنهترافیک استفاده می شود وظیفه الگوریتم ژنتیک پیشنهادی جستجوی بهینه پارامترهای HMM است دراین الگوریتم احتمال جهش فعلی تابعی خطی از احتمال جهش قبلی است دو ضریب این تابع را یک سیستم فازی قاعده پایه براساس میانگین و انحراف معیار مقدار تابع برازش اعضای نسل واقعی تعیین می کند. در یک مجموعه آزمون شامل 100 نمونه از 9 حرکت نرخ شناسایی با الگوریتم HMM با روش بام ولش 74.5 درصد ژنتیک با احتمالجهش ثابت 76.4 درصد و ژنتیک با احتمال جهش بازگشتی 80.3 درصد بدست آمد.

آموزش HMM، الگوریتم ژنتیک، احتمال جهش، مسیر حرکت وسایل نقلیه، صحنهترافیک