基于结合HM-SVM方法的HMM剪接位点识别研究

为了对剪接位点取得更加精确的预测结果，采用HMM方法设计并构建了剪接位点识别系统。该系统利用HM—SVM工作集最优化算法训练并优化HMM模型，依据剪接位点附近存在的序列保守性，高效地提取位点附近保守序列在边缘分布与条件分布上的统计特征。实验结果表明，该识别系统在用于剪接位点的识别中较常用的机器学习方法获得了更高的识别率。     

基于遗传算法的HMM参数估计

隐马尔可夫模型(Hidden Markov model)用于多序列比对研究是生物信息学研究的新领域,其可以通过训练识别同一特征的蛋白质序列.然而,目前的HMM参数估计算法Viterbi算法和Baum-Welch算法,都只能找到局部最优比对,无法找到全局最优比对.针对此算法全局最优问题提出了基于遗传算法的HMM参数估计,与已有的训练算法相比,遗传算法在搜索全局最优时具有突出的优势.     

DNA序列与剪接位点的关联性分析

为了进一步研究剪接位点识别算法,提高预测准确率,利用人工神经网络识别方法,选取不同的剪接序列样本进行试验,分析了供体位点邻近序列对于基因剪接的影响,对DNA序列与剪接的关联性进行了深入的研究．研究发现,剪接位点区别于伪剪接位点的特征信息同时存在于剪接位点邻近两侧大约50个碱基范围内的外显子和内含子中,且内含子相对于外显子包含了更多的特征信息．     

多讲话者汉语单字识别

本文详细介绍了隐 Markov 模型(HMM)的基本概念和计算概率的前、后向算法,并采用 HMM 作了多讲话者(三人)小词汇量汉语单字识别实验。正确识别率为98%。     

基于皮肤模板和改进HMM的自动人脸识别系统

介绍一种基于隐马尔可夫模型(hidden Markov module,HMM)的人脸识别系统,该系统对人脸采用普通网络摄像头实时检测,通过皮肤模型进行背景去除,并用改进后的HMM算法进行识别. 实验结果表明,改进后的HMM算法能提高原HMM算法的准确率,采用皮肤模板对检测到的人脸进行精确定位后,进一步提高了识别算法的准确度.     

二阶隐马尔科夫模型在基因识别中的应用

对经典隐马尔可夫模型（HMM）的状态转移和输出观测值的假设条件进行改进,提出了一个基于二阶隐马尔科夫模型（second-order HMM：HMM2）的基因识别系统的模型,论述了用该模型和扩展的Viterbi算法发现基因的方法.     

基于隐马尔可夫模型的语音单字识别研究

本文针对线性模型在语音识别中的不足，进行了隐马尔可夫模型（HMM）在语音单字识别中的研究，主要对观察输出概率求解、最佳状态序列寻找、参数估计和模型参数的选择进行了探讨。     

基于流形学习与隐马尔可夫模型的刀具磨损状况识别

为了提高金属铣削过程中的刀具磨损状态识别的自动化程度与精度,提出了基于局部切空间排列(LTSA)方法与隐Markov模型(HMM)来识别刀具的不同磨损状态的方法。该方法首先利用小波分析技术对铣削过程中的切削进给方向力信号进行处理,构造了高维特征空间。然后使用基于流形学习方法实现了高维特征空间的维数约简。最终利用约简后的低维特征向量训练HMM,从而实现刀具磨损状态的识别。实验结果说明该方法能够有效地识别铣削过程的刀具磨损状态。与未经特征维数约简的识别方法相比,新方法能够提高刀具磨损状态的识别效率与准确率。     

隐马尔柯夫模型语声识别参数估计的研究

本文讨论了两种新的隐 Markov 模型(HMM)参数估计的方法,分别称为最大互信息估计(MMIE)和最大检测函数估计(MDE),并提出了一种改进的 HMM参数估计算法.     

基于改进的隐马尔可夫模型的网页预取

为提高基于隐马尔可夫模型（HMM：Hidden Markov Model）的网页预取精度,对经典隐马尔可夫模型的两个前提假设进行了扩展,推导出新模型中计算观测序列概率的公式。由此构建出可用于网页预取的高阶隐马尔可夫模型,同时为降低高阶隐马尔可夫模型的空间复杂度,给出了构建树状状态空间存储访问序列的算法。介绍了将改进的隐马尔可夫模型应用于网页预取的具体方法,通过对比实验证实该方法的预取准确度提高了7％。     

数字离散信号滤器HMM综合平均法的研究

隐Ｍａｒｋｏｖ模型是在语音识别中得到了成功应用的一种统计建模工具。该研究首次将ＨＭＭ技术引入数字的离散信号滤噪研究并提出了ＨＭＭ综合平均法,经对加噪谐信号,方波信号、斜小信号的计算机重建仿真实验后,表明利用ＨＭＭ进行此项工作有着比较好的效果。     

提高多说话人孤立数字语音识别率的一些措施

本文介绍了连续密度隐马尔可夫模型(HMM)多说话人孤立数字语音识别系统,以及我们提出的几种提高多说话人孤立数字语音识别率的措施.     

非特定人语音指令识别系统的研究与实现

为了研究语音识别技术的实用化问题.采用离散隐马尔可夫模型方法,基于单片微控制器加数字信号处理器(MCU DSP)构架,实现了一个非特定人语音指令识别系统.该系统适应性强,每个指令识别时间在1s内,准确率达到96%.     

用隐马尔可夫模型设计人脸表情识别系统

根据隐马尔可夫模型(HMM)的基本理论和算法设计了一个人脸表情识别系统。该系统由两层HMM组成:低层由六个HMM组成,分别对应六种特定表情。人脸表情特征向量进入系统后,经过低层HMM初步识别,其结果组成高层HMM的观察向量,经过高层HMM解码,确认出表情,从而提高了系统的识别率,增强了系统的健壮性。     

基于隐含马尔可夫模型的过程监视方法在TE过程中的应用

研究一类基于知识的过程监视方法，该方法分3步：首先是知识表达(数据预处理和符号化)；第2步是隐含马尔可夫模型(HMM)的建立；第3步是基于模式识别的过程监视，最后结合TE典型过程的扰动监视问题，通过仿真验证了基于HMM的故障诊断方法的有效性。     

半连续隐马尔可夫模型在孤立数字识别中的应用

讨论了半连续隐马尔可夫模型(SCHMM)及其在孤立数字语音识别中的应用.提出了一种新的 Viterbi 分段统计算法来估计 SCHMM 参数,降低了模型参数估计的计算量,提高了识别率.     

基于部件HMM级联的联机手写体汉字识别方法

为了对自由手写汉字进行有效地表征和识别,提出了一种识别自由手写体汉字的级联HMM方法,在部件HMM模型基础上将各模型按照统计概率连接,它扩展了HMM的模式描述方式,允许在级联模型上表征状态的跳跃、转移和驻留等。通过共享手写汉字部件模型来描述级联状态转移概率,可以更可靠地刻画自由手写体的行为特点。采用面向级联的Viterbi算法,无需做部件的分割和标注。通过一定条件下的对比实验训练与识别表明,该方法的第一候选识别率为87.89％,而基于分段HMM识别方法的第一候选识别率为86.17％,降低错误识别率12.4％。     

非特定人手语识别参数训练模型的改进及应用

在手语识别研究中,非特定人手语识别参数训练的样本缺乏影响了非特定人手语识别的识别率.区分性训练可以很好的弥补由于训练样本的缺乏对识别系统所造成的影响,能够提高非特定人手语识别的识别率.对区分性训练(DT)所改进的HMM参数训练模型(DT/HMM)做了全新的推导,获得了与HMM相一致齐全的DT/HMM的参数模型.在特定人识别系统上应用可区分性训练的h准则获取了h参数,将该齐全的DT/HMM的参数训练模型和h参数,应用于大词汇量的非特定人手语识别当中,加入主观经验后的非注册易混词集EXP 与MLE和EBW的非注册易混词集相比,平均识别率分别提高了10.65%和9.55%.