یک روش جدید برای آموزش مدل مخفی مارکوف با استفاده از الگوریتم بهینهسازی گرگ خاکستری جهت مدلسازی دنبالههای ژن

چکیده مقاله

مدل مخفی مارکوف یکی از الگوریتمهای یادگیری ماشین میباشد که به طور گستردهای برای مدلسازی و خوشهبندی دادهها مورد استفاده قرار میگیرد. از آنجایی که نحوه آموزش پارامترهای مدل مخفی مارکوف اثر زیادی بر نحوه عملکرد آن دارد، تاکنون الگوریتمهای زیادی برای آموزش پارامترهای مدل و Baum-Welch مخفی مارکوف مورد استفاده قرار گرفته است که از آن جمله میتوان به الگوریتم و سایر (PSO) الگوریتم بهینهسازی هوش ذرات ، (GA) الگوریتم های بهینه سازی مانند الگوریتم ژنتیک یک الگوریتم بسیار (GWO) الگوریتمهای بهینهسازی اشاره کرد. الگوریتم بهینهسازی گرگ خاکستری مناسب در مقایسه با سایر الگوریتمهای بهینهسازی جهت حل مسائل گوناگون میباشد. در این پژوهش یک راهکار جدید جهت آموزش پارامترهای مدل مخفی مارکوف با استفاده از الگوریتم بهینهسازی گرگ خاکستری ارائه شده است. جهت ارزیابی مدل پیشنهادی و مقایسه آن با سایر الگوریتمها. از مدل مخفی مارکوف جهت مدلسازی دنبالههای ژن استفاده شده و عملکرد آن برای نوع توصیف دنبالههای ژن ارزیابی شده است. نتایج مقایسهها نشان میدهد که کارایی الگوریتم پیشنهادی نسبت به سایر روشهای آموزش مدل مخفی مارکوف بهتر بوده و میتواند بصورت موفقیتآمیزی برای مدلسازی دنبالههای ژن مورد استفاده قرار گیرد.