共查询到20条相似文献,搜索用时 140 毫秒
1.
HMM模型具有良好的适应性,可以自动学习,对预测随机时序数据性能良好。场景是足球视频的基本特征,场景的转换体现了足球视频的摄制、编辑模式,表现了足球视频的语义。提出了一种基于场景分析和HMM的视频语义分析框架,用于识别足球视频中的一些语义事件。为了克服以往基于主颜色和其他底层特征的视频场景分析中存在的较大误差,又提出基于视觉注意模型对足球视频中的场景进行分析。实验结果表明,基于场景分析和HMM的事件识别方法对足球视频中的任意球事件有良好的识别效果 相似文献
2.
3.
将隐马尔可夫模型(HMM)与小波神经网络(WNN)相结合,提出了一种基于心音信号的身份识别方法。该方法首先利用HMM对心音信号进行时序建模,并计算出待识别心音信号的输出概率评分;再将此识别概率评分作为小波神经网络的输入,通过小波神经网络将HMM的识别概率值进行非线性映射,获取分类识别信息;最后根据混合模型的识别算法得出识别结果。实验采集80名志愿者的160段心音信号对所提出的方法进行验证,并与GMM模型的识别结果进行了对比,结果表明,所选方法能够有效提高系统的识别性能,达到了比较理想的识别效果。 相似文献
4.
为实现网络流量的有效管控,提出一种基于安全套接层(SSL)协议交互字段与多输入最大化单输出隐马尔可夫模型(HMM)的加密应用并行识别方法.将来自客户端或者服务器的单向数据流SSL协议交互阶段的字段作为HMM模型的观测序列,并对所有待识别的加密应用建立HMM模型形成指纹库.在此基础上,利用前向算法计算未知观测序列被识别为HMM模型的概率,选取概率最大HMM模型所对应的加密应用作为识别结果.实验结果表明,与传统应用识别方法相比,该方法对典型加密应用具有更好的识别效果及鲁棒性. 相似文献
5.
手势识别在人机交互中有着广泛的应用前景,近年来随着无线通信与物联网的飞速发展,几乎任何地方都部署了WiFi设备,并涌现了大批关于WiFi信道状态信息(Channel State Information,CSI)的手势识别方法,目前大多数基于CSI手势识别的研究仅针对了已知场景下的手势识别研究,对于未知场景,需要增加未知场景中的新数据进行额外的学习训练,否则识别精度将会大幅下降,限制了其实用性.针对这一问题,提出了一种基于3 D卷积神经网络的CSI跨场景手势识别方法,该系统通过提取与场景无关的特征,并结合3D卷积神经网络学习模型来实现跨场景手势识别,在实验中使用网络公开数据集来验证该方法,结果显示该方法对于6个不同动作手势,在已知场景中的平均识别准确率达到了86.50%,在未知场景中的平均识别准确率达到了84.67%,能够实现跨场景的手势识别. 相似文献
6.
针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型(HMM)识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准正交非负矩阵分解(ONMF)提取纹理信息,使用改进的主动表观模型(AAM)提取几何形变信息,再使用高维小样本下典型相关分析(CCA)对提取的两种特征进行特征融合,最后使用离散HMM来进行表情分类识别。实验结果表明,经过特征融合后,在较少特征向量维数下该方法能够达到较高的识别率和较快的识别速度。 相似文献
7.
情境感知系统通常以情境信息直接驱动上层服务或应用。普适计算环境的情境信息在来源及种类上存在较大差异,情境信息的多样性导致由情境直接驱动的情境感知系统的扩展性、稳定性不足。对此提出一种场景驱动的情境感知计算框架。该框架以场景为基础,屏蔽了原始情境信息的异构性和多样性;以场景识别为核心,由系统中的基本情境信息识别当前用户的场景信息,由场景信息驱动相关的应用。该框架简化了系统设计的复杂度,有助于提高系统的扩展性和稳定性;同时场景识别采用神经网络的算法,避免了因采用推理所带来的知识库暴涨问题。所开发的原型系统验证了框架的有效性。 相似文献
8.
提出一种新型车载语音识别系统,采用帧能量与帧过零率的乘积作为指标量进行语音端点检测,以MFCC作为语音信号特征矢量,基于HMM语音识别模型进行语音识别。同时提出了一种新的抗噪语音识别方法,改进型重复Wiener滤波结合PUM模型进行抗噪语音识别,较好的抑制了噪声干扰,提高了语音识别率。 相似文献
9.
为提高智能空间中用户活动识别的准确率,提出一种基于本体的活动识别方法.通过分析智能家居中的上下文语义及实体间的关联,建立了明确的活动领域本体,结合上下文知识和用户模型,定义相关用户活动状态,进而采用语义推理实现了用户活动的识别.实验验证了该方法的有效性和可扩展性,并将识别的时间效率与HMM识别法进行了比较,表明了该方法的识别时间低于HMM识别法. 相似文献
10.
基于HMM模型的语音拨号系统的设计。论述了采用HMM模型的数字命令连接词识别方法,以及将语音识别模块嵌入PTOS的方法。 相似文献
11.
在传统的一阶隐马尔可夫模型(HMM1)中, 状态序列中的每一个状态被假设只与前一个状态有关, 这样虽然可以简单、有效地推导出模型的学习和识别算法, 但也丢失了许多从上文传递下来的信息. 因此, 在传统一阶隐马尔可夫模型的基础上, 为了解决手语识别困难、正确率低的问题, 提出了一种基于二阶隐马尔可夫模型(HMM2)的连续手语识别方法. 该方法利用滑动窗口算法使手语视频切分成多个手语短视频, 通过三维卷积模型得到手语短视频和手语词汇视频的特征向量, 由此计算出二阶隐马尔可夫模型的相关参数, 并运用Viterbi算法实现连续手语的识别. 实验证明, 基于二阶隐马尔可夫模型的手语识别取得了88.6%的识别准确率, 高于传统的一阶隐马尔可夫模型. 相似文献
12.
基于HMM的车辆行驶状态实时判别方法研究 总被引:3,自引:1,他引:2
对交通视频车辆轨迹时序特征下的车辆行驶状态进行研究,提出了一种基于隐马尔科夫模型(Hidden Markov model,HMM)的车辆行驶状态实时判别方法.首先对轨迹序列进行了基于轨迹长度的去不完整轨迹序列、对车辆轨迹点序列的线 性平滑滤波和最小二乘线性拟合的预处理操作,保证了所获得轨迹序列的有效性;其次,提出一种基于车辆运行轨迹点序列方向角的车辆轨迹特征值表示方法和基于方向角区间划分的HMM观察值序列生成方法,该方法以方向角的区间变化来区分不同轨迹模式的特征;最后,采用多观察值序列下的Baum-Welch 算法训练得到相关交通场景轨迹模式类的最优HMM 参数,并通过实时获取车辆行驶轨迹段与相应模型的匹配,实现对车辆行驶状态的实时判别. 仿真实验验证了本文方法的有效性和稳定性. 相似文献
13.
研究隐马尔可夫模型(HMM)的一种有区分力的训练方法.在多层前向神经网络的
框架中实现了HMM的前向概率计算.基于这一框架,利用偏导数的反向传播计算方法,通
过梯度上升的优化过程来实现互信息的最大化,从而对HMM进行有区分力的训练.这一
训练方法被称之为HMM的反向传播训练方法.此外,还设计了一个用以实现这一训练方
法的在数值计算上具有强鲁棒性的算法.语音识别的实验结果证实了这一训练方法的优越
性. 相似文献
14.
研究了利用隐马尔可夫模型(HMM)对动态语音模式进行时间归一化的方法。引入了借助于HMM对语音基元观测序列所做的一种分段,这种分段被称之为语音基元观测序列的HMM全状态分段,并且定义了HMM全状态分段的符合度。根据HMM全状态分段的符合度确定了语音基元观测序列的最优HMM全状态分段,通过最优HMM全状态分段把语音基元观测序列转换为固定维数的向量,从而实现了动态语音模式的时间归一化。将动态语音模式的这一时间归一化方法在结合HMM和人工神经网络(ANN)的混合语音识别方法中进行了应用,实验结果表明这一时间归一化方法的有效性。 相似文献
15.
一种基于改进CP网络与HMM相结合的混合音素识别方法 总被引:2,自引:0,他引:2
提出了一种基于改进对偶传播(CP)神经网络与隐驰尔可夫模型(HMM)相结合的混合音素识别方法.这一方法的特点是用一个具有有指导学习矢量量化(LVQ)和动态节点分配等特性的改进的CP网络生成离散HMM音素识别系统中的码书。因此,用这一方法构造的混合音素识别系统中的码书实际上是一个由有指导LVQ算法训练的具有很强分类能力的高性能分类器,这就意味着在用HMM对语音信号进行建模之前,由码书产生的观测序列中 相似文献
16.
A novel approach to equipment health management based on auto-regressive hidden semi-Markov model (AR-HSMM) 总被引:2,自引:0,他引:2
DONG Ming 《中国科学F辑(英文版)》2008,51(9):1291-1304
As a new maintenance method, CBM (condition based maintenance) is becoming more and more important for the health management of complicated and costly equipment. A prerequisite to widespread deployment of CBM technology and prac- tice in industry is effective diagnostics and prognostics. Recently, a pattern recog- nition technique called HMM (hidden Markov model) was widely used in many fields. However, due to some unrealistic assumptions, diagnositic results from HMM were not so good, and it was difficult to use HMM directly for prognosis. By relaxing the unrealistic assumptions in HMM, this paper presents a novel approach to equip- ment health management based on auto-regressive hidden semi-Markov model (AR-HSMM). Compared with HMM, AR-HSMM has three advantages: 1) It allows explicitly modeling the time duration of the hidden states and therefore is capable of prognosis. 2) It can relax observations' independence assumption by accom- modating a link between consecutive observations. 3) It does not follow the unre- alistic Markov chain's memoryless assumption and therefore provides more pow- erful modeling and analysis capability for real problems. To facilitate the computa- tion in the proposed AR-HSMM-based diagnostics and prognostics, new forward- backward variables are defined and a modified forward-backward algorithm is de- veloped. The evaluation of the proposed methodology was carried out through a real world application case study: health diagnosis and prognosis of hydraulic pumps in Caterpillar Inc. The testing results show that the proposed new approach based on AR-HSMM is effective and can provide useful support for the decision- making in equipment health management. 相似文献
17.
基于HMM和遗传神经网络的语音识别系统 总被引:1,自引:0,他引:1
本文提出了一种基于隐马尔可夫(HMM)和遗传算法优化的反向传播网络(GA-BP)的混合模型语音识别方法。该方法首先利用HMM对语音信号进行时序建模,并计算出语音对HMM的输出概率的评分,将得到的概率评分作为优化后反向传播网络的输入,得到分类识别信息,最后根据混合模型的识别算法作出识别决策。通过Matlab软件对已有的样本数据进行训练和测试。仿真结果表明,由于设计充分利用了HMM时间建模能力强和GA-BP神经网络分类能力强等特点,该混合模型比单纯的HMM具有更强的抗噪性,克服了神经网络的局部最优问题,大大提高了识别的速度,明显改善了语音识别系统的性能。 相似文献
18.
针对隐马尔科夫模型(HMM)在跨站脚本检测中对初始先验假设估计不准确和以极大似然准则规定的HMM参数分类能力差的缺陷,提出了一种基于MLP-HMM的跨站脚本检测模型。首先,使用自然语言处理(NLP)方法解决数据高维复杂性问题。然后,通过多层感知机(MLP)神经网络学习对整个模型进行权值微调得到初始观察矩阵。最后,将该观察矩阵代入HMM中,增强HMM参数构建能力和分类能力。结果表明,结合MLP的HMM相比于原始HMM以及传统算法在跨站脚本检测上检测率有显著提高,并缩短了检测时间。 相似文献
19.
把基于序列模型的隐Markov模型引入文本分类领域。把待分类文本描述成一系列状态演化的隐Markov过程,其中状态以特定的概率产生代表文本的特征项。用序列模式来描述文本类,文本序列通过与隐Markov模型的匹配,求出其对应状态序列和最大输出概率。比较各个文本类的结果,达到文本分类的目的。最后通过和简单向量算法,KNN,Naive Bayes分类算法的比较,说明本算法的在文本分类中的成功应用。 相似文献
20.
提出一种新的基于条件随机域和隐马尔可夫模型(HMM)的人类动作识别方法——HMCRF。目前已有的动作识别方法均使用隐马尔可夫模型及其变型,这些模型一个最突出的不足就是要求观察值相互独立。条件模型很容易表示上下文相关性,且可使用动态规划做到有效且精确的推论,它的参数可以通过凸函数优化训练得到。把条件图形模型应用于动作识别之上,并通过大量的实验表明,所提出的方法在识别正确率方面明显优于一般线性结构的CRF和HMM。 相似文献