基于HMM的国网轮询视频分会场名称识别

为提高运维效率,针对视频中的分会场文字信息,采用计算机视觉技术,识别出分会场的名称,以便实现轮询视频的自动检测。提出一种基于隐马尔可夫模型(hidden Markov model,HMM)的轮询视频分会场名称识别算法,利用分会场名称中相邻单个文字的相关性,提高分会场名称的识别准确率。对每帧视频图像,采用微分二值化(differentiable binarization,DB)算法定位文字区域,提取单个文字的分块特征,并通过计算欧式距离进行单字识别。考虑分会场名称中相邻文字之间的相关性,构建HMM,实现相邻文字之间的关联,并采用Viterbi算法计算分会场名称识别结果。试验数据表明,在采用较低维数的特征向量时,本研究提出的分会场名称识别算法具有较高的识别率和较强的抗噪性能。     

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.     

基于DMC-HMM模型的视频异常行为检测

针对视频检测算法中选取合适的图像语义特征提取算法的困难和检测计算效率不高的问题,该文提出了一种基于狄利克雷多项式共轭隐马尔科夫模型的视频异常行为检测算法,首先提出了狄利克雷多项式共轭模型用于抽取视频的底层特征的语义特征,接着将该模型与隐马尔可夫模型相结合进行视频异常行为的检测。通过校园人群流动和交通灯车辆流动实验证明,该方法具有较高的计算效率和检测性能。     

基于隐马尔可夫模型的招聘网络信息抽取

网络信息抽取是从半结构化的Web海量数据中,按用户要求抽取且形成相关的有效的结构数据处理过程。论文以隐马尔科夫模型（HMM）进行数据抽取中的若干关键问题进行研究,提出了基于数据挖掘聚类的模型合并方法生成隐马尔可夫模型,即可根据数据自动生成HMM,同时对一般的隐马尔可夫模型进行了扩展,为每个抽取域生成一个隐马尔可夫模型,用于获取更多的有用信息。     

基于Kinect深度信息的动态手势识别

针对复杂动态手势识别问题,本文首先通过体感传感器Kinect获取人体深度图像,利用阈值分割法分割出手势深度图像,然后建立由隐马尔可夫模型(HMM)和模糊神经网络(FNN)相结合的HMM-FNN模型进行动态手势识别。本文的动态手势主要是针对虚拟变电站中对设备的常用操作手势来进行人机交互研究的。HMM-FNN模型将复杂动态手势特征分解为三个子特征序列,分别建立HMM模型,然后进行模糊推理对手势进行分类识别。经实验验证,HMM-FNN模型能快速有效识别复杂动态手势,且鲁棒性强,识别效果明显优于HMM模型。     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.     

Android运行时恶意行为检测模型研究

为实现Android应用程序恶意行为的有效分析,提出了基于HMMs-SVM的程序行为分类模型,将隐马尔可夫模型（HMM）和支持向量机（SVM）相结合,以动态行为序列作为关键特征,对移动应用软件运行中的网络收发、文件访问等行为建模. 该模型融合了HMM和SVM的优势,并克服了二者的不足,适合于在获取连续动态行为特征序列后进行行为分类. 实验结果表明,该方法分析召回率较高,可以有效对应用中的异常行为进行捕捉,并可以将其按类型分类.     

人体行为识别的条件随机场方法

针对人体行为的时变性,提取人体运动的侧影序列作为描述行为的特征。利用条件随机场方法建立人体行为模型,并通过序列数据的标记解决行为识别问题。该方法特征提取简单,针对运动状态序列而非单帧图像进行建模,提高了识别准确率;同时对数据没有条件独立性假设,具有更加广泛的适用性。在视频行为数据库KTH上的测试结果表明:条件随机场优于隐马尔可夫模型和支持向量机,相对于已有方法更加简单易用,且识别准确率高于其他方法。     

基于CDHMM的语音识别程序行为检测方法的研究

为了减少语音识别中的检测误判,提高语音识别的正确率,提出了一种基于连续隐马尔可夫模型(CDHMM)语音识别程序行为检测改进方法,通过一种简化的、处理多维离散语音符号的程序行为检测方法,使得连续隐马尔可夫模型可以同时接收多种不同的特征序列,解决了语音认证系统识别率随时间推移而下降的问题。实验表明,减少了语音拒绝率,提高了语音识别系统的自适应性。     

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。     

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.     

基于连续高斯密度混合HMM的刀具磨损状态监测

针对端面铣刀磨损状态的识别问题,根据隐式马尔可夫模型(HMM)具有良好的模式分类能力,提出了基于连续高斯密度混合HMM(CHMM)的刀具磨损状态监测系统.以铣削力作为监测信号,应用小波包理论对铣削力信号进行分析和消噪处理,并提取信号的能量特征作为CHMM的输入向量,训练CHMM模型,再用训练好的模型对未知的刀具磨损状态进行监测与识别,实验结果表明该模型可以对刀具磨损状态进行准确的识别,且所需训练样本数较少,对刀具状态的智能监测具有很好的实际意义.     

基于隐马尔可夫模型的入侵检测方法

针对当前网络安全事件频发以及异常检测方法大多集中在对系统调用数据的建模研究上等问题,提出了一种基于隐马尔可夫模型的入侵检测方法。该算法基于系统调用和函数返回地址链的联合信息来建立主机进程的隐马尔可夫模型。此外,针对常用训练方法存在的不足,设计了一种快速算法用以训练模型的各个参数。实验结果表明：基于系统调用和函数返回地址链的联合信息的引入能够有效区分进程的正常行为和异常行为、大幅度降低了训练时间、取得了良好的运算效果。。     

隐马尔可夫模型的构建及实现

隐马尔可夫模型在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。介绍了隐马尔可夫模型的基本概念,分别叙述了隐马尔可夫模型的概率计算算法、学习算法以及预测算法。利用观测的海藻湿度数据作为训练数据,找出隐藏的转换概率,构建了隐马尔可夫模型,完成了预测天气变化的机器学习。     

基于DHMM和VQ的关键词识别系统研究

针对现有关键词识别系统采用很难用硬件电路准确描述的连续隐马尔可夫模型CHMM作为识别模型,提出用离散隐马尔可夫模型DHMM作为系统的识别模型,研究了适用于硬件实现的状态机端点检测算法,并通过引入VQ矢量量化模块来保证离散关键词识别系统的识别率和识别速度;根据关键词训练模型,分析所采集语音信息中是否存在指定的关键词并进行准确识别。实验结果表明,该算法在便于硬件实现的基础上,具有良好的识别率和实时性,为关键词识别系统的FPGA硬件电路实现研究提供了参考。     

基于密度背景纯化的高光谱异常检测算法

在高光谱图像异常检测中,背景存在异常像元会造成背景统计信息失真,这将导致检测结果具有较高的虚警率。针对此问题,本文提出了一种基于密度背景纯化的异常检测算法。首先计算背景中每个像元的密度;然后根据高光谱图像中背景密度远大于异常密度的特性,利用最大类间方差法将异常从背景中分离;最后,将纯化后的背景用于统计信息的估计,通过RX检测算法(Reed-Xiaoli detector,RXD)对高光谱图像进行检测。为验证算法的有效性,利用两组真实的高光谱数据进行仿真实验。实验结果表明与RXD比,所提算法在两组数据下的曲线下面积值分别提高了0.024 6和0.008 6。与当前的异常检测算法相比:所提算法有较好的接收机工作特性曲线。     

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.     

电话频带汉语普通话连续语音识别

基于帧能量参数和帧与稳态背景噪声状态之间的失真度，将连续的电话频带汉语语音信号分割至用隐马尔可夫链模型表示的以字为单位的语音，采用动态时间规正算法和最小失真度准则，作以字为单位的语音识别，从而实现连续语间识别。实验表明电话频带连续语音识别正确率达７５％。     

基于光谱相似度量的高光谱图像异常检测算法

针对传统异常检测算法需要建立在一定的假设模型下,提出了一种新的高光谱图像异常检测算法。该算法无需假设背景模型,首先运用迭代误差分析方法对高光谱图像数据进行处理,得到高光谱图像数据的异常端元。然后以选取出的端元为参考,对高光谱数据进行相似度量,通过计算与参考端元的核光谱角余弦,找到与异常端元相似的光谱向量,得到异常检测结果。仿真实验结果表明,该算法能够准确的检测出异常目标,并且具有运算时间短、效率高的特点。