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。     

有机粘土基多孔颗粒材料的制备及其特性研究

研究了海藻酸钠(SA)与HDTMA改性的蒙脱土(HDTMAmodifiedmontmorillonite,HMM)的颗粒化制备及其与石油烃降解菌的复合,并研究了SA∶HMM不同质量比及不同SA浓度、不同CaCl2浓度下HMM颗粒的水稳性和吸油性、降解菌活性等性质。结果表明,在SA浓度为1%～2%,CaCl2浓度为2%～4%,SA∶HMM=1∶10时,获得的HMM颗粒粒径为2.5～4.0mm,对HMM表面结构影响不大,吸油率可达原始HMM的80%;将HMM颗粒与石油烃降解菌复合可形成稳定的生物膜,膜厚度为300μm左右,生物量为40～50mg·g-1。HMM颗粒复合生物膜为油污染地下水化学吸附生物降解提供了一种尝试。     

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.     

Driving intention recognition and behaviour prediction based on a double-layer hidden Markov model

We propose a model structure with a double-layer hidden Markov model (HMM) to recognise driving intention and predict driving behaviour.The upper-layer multi-dimensional discrete HMM (MDHMM) in the dou...     

隐Markov模型的基本原理及其在基因识别中的应用

隐Markov模型(Hidden Markov model，HMM)用于基因识别研究是生物信息学研究的新领域，剪接位点的识别是基因识别中的一个重要环节。本文中作者主要介绍了隐Markov模型的基本原理，讨论了HMM在生物信息学中的应用以及HMM用于识别基因的模型。HMM用于识别剪接位点的实验结果表明，该方法可以很好的提取剪接位点附近保守序列的统计特征．对剪接位点的识别率达到90％以上。     

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.     

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%.     

改进的K均值分割算法在关键词检测中的应用

鉴于K均值分割算法中隐马尔可夫模型(HMM)参数重估公式简单、实用,目前大多数基于HMM的关键词检测系统都采用此算法训练参考模型.为了提高参考模型的有效性和解决该算法在具体实现时所遇到的问题,本文提出了改进的K均值分割(MSKM)算法.MSKM算法以关键词检测系统的检出率为模板收敛的判决依据,使HMM参数调整从一定程度上而言是以检测系统性能为目标函数;同时引入了基于HMM的聚类方法,使聚类和参数估计融为一体.实验结果表明,采用MSKM算法比原算法可使关键词检测系统的平均检出率提高1.8%.     

一种基于HMM聚类的视频目标轨迹分析方法

针对视觉监控中基于运动轨迹的目标行为分析问题,提出了一种基于隐马尔科夫模型(HMM)聚类的轨迹分布模式提取和异常行为检测算法。首先为每一条运动轨迹训练一个HMM,并通过这些模型来计算轨迹两两之间的距离;然后对该距离矩阵采用主元分析法(PCA)降维并以降维后的每一行作为对应轨迹的特征进行模糊C均值聚类,接着为聚类后的每一类轨迹训练一个HMM作为其分布表达模型;最后利用这些HMM模型来检测给定轨迹所表示的目标行为是否异常。对不同场景的轨迹分析实验表明了方法的有效性。     

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。     

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。     

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％。     

后验概率图与补白模型二次融合的关键词识别

使用全连接神经网络结合Softmax分类器对汉语的408个音节建立音节分类器,利用等长处理后的特征向量训练Softmax分类器,将Softmax分类器输出概率作为后验概率图,与隐马尔科夫补白模型（HMM/Filler）进行第一次融合,得到子后验概率图隐马尔科夫模型（Posteriorgram-HMM）. 针对关键词训练样本较少的问题,将标注样本进行强制切分,得到HMM每个状态上的训练数据. 将隐马尔科夫最大后验概率基线模型（HMM-MAP）与Posteriorgram-HMM进行第二次融合,提出最大后验概率图隐马尔科夫模型（Posteriorgram-HMM-MAP）. 在数据集上训练模型后,使用测试数据对其进行测试. 结果表明：Posteriorgram-HMM-MAP的综合识别率相比Posteriorgram-HMM提升了3.55%,相比HMM/Filler提升了10.29%.     

HMM-based noise estimator for speech enhancement

A noise estimator was presented in this paper by modeling the log-power sequence with hidden Markov model （HMM）. The smoothing factor of this estimator was motivated by the speech presence probability at each frequency band. This HMM had a speech state and a nonspeech state, and each state consisted of a unique Gaussian function. The mean of the nonspeech state was the estimation of the noise logarithmic power. To make this estimator run in an on-line manner, an HMM parameter updated method was used based on a first-order recursive process. The noise signal was tracked together with the HMM to be sequentially updated. For the sake of reliability, some constraints were introduced to the HMM. The proposed algorithm was compared with the conventional ones such as minimum statistics （MS） and improved minima controlled recursive averaging （IM- CRA）. The experimental results confirms its promising performance.     

隐马尔柯夫模型的一种面向对象的程序实现框架

在以Ｃ＋ ＋ 语言作为程序设计语言的基础上,提出了一种用面向对象的程序设计方法来实现隐马尔柯夫模型的基本框架。按照这一框架实现的隐马尔柯夫模型能够很好地保护它自己不受未知的外部事件的影响,从而使它的数据和功能免遭破坏;而且对模型的改进以及程序实现上的变化也不会影响使用它的外部应用程序。此外,用这一方法编制的隐马尔柯夫模型程序具有很好的重用性和继承性。     

二维隐马尔可夫模型的几个等价定义

为了对一般二维隐马尔可夫模型建立严格的形式化定义,在参照低阶二维隐马尔可夫模型定义的基础上,通过对高阶模型进行分析,总结了一般二维隐马尔可夫模型的5个形式化定义,并证明了它们之间的等价性.这些等价性结果有助于加深对二维隐马尔可夫模型本质的理解,为进一步研究提供严格的形式化基础.     

一种序列家族Profile HMM寻优的PSO

针对在训练一个序列家族的Profile HMM时经常会得到局部最优HMM的问题,也就是说找到全局最优Profile HMM的概率不高.通过分析训练一个序列家族Profile HMM方法的特点和Profile HMM本身的结构特点提出了一种结合多个局部最优或次优Profile HMM来寻找最优模型的PSO算法,以提高序列家族Profile HMM寻优的概率.