小周期结构Helmholtz方程的多尺度计算

本文研究小周期结构Helmholtz方程的多尺度计算.我们用各向异性多尺度方法(HMM)求解小周期结构Helmholtz问题.借助于渐近分析技术,在对HMM方法深入分析的基础上,我们给出了精确解与HMM方法近似解之间的误差估计,并讨论和分析了利用微结构信息校正HMM逼近解的技巧.最后,我们用数值例子验证了理论结果的正确性.     

具有小周期参数抛物型方程双尺度有限元分析

本文研究了二维空间中光滑的凸区域上具有小周期参数的抛物型方程的半离散双尺度有限元逼近。在整个区域上,利用二次元解均匀化问题;在参考单胞内,利用线性元解辅助问题;然后,将求得的有限元解代入多尺度渐近展开式,得到原问题解的一个半离散双尺度有限元格式。利用多尺度渐近展开和有限元理论,证明了该格式的收敛性。     

轴向运动梁横向受迫振动多尺度分析及DQM验证

用近似解析方法分析轴向运动黏弹性梁横向非线性受迫振动并通过微分求积方法(DQM)进行数值验证.基于外部存在简谐激励的有限小变形细长梁的非线性模型,用多尺度法建立谐波共振时的可解性条件,进而导出稳态周期响应的幅值及其稳定性.稳定稳态周期解的幅值随外激励幅值的增大而增大,随黏弹性系数或非线性系数的增大而减小.采用微分求积法数值求解描述梁横向运动的非线性偏微分方程.计算结果定性验证了近似解析方法预测的相关参数对稳定稳态周期响应幅值的影响,定量比较表明解析结果有较高精度.     

一类时滞系统的多尺度分析

研究一类时滞动力系统的多尺度分析。首先用多尺度方法推导时滞系统的外部调和响应方程,进而分析外部周期扰动对系统的影响。     

求解Helmholtz方程的快速算法（英文）

本文提出了求解Helmholtz方程的一个新的快速算法.该算法是建立在有重叠区域的区域分解算法之上的.该算法首先对求解区域进行层次的区域分解,然后建立了各层次的子区域上的入射波到出射波的映射,最后通过层次的传播波的信息,得到Helmholtz方程的解.该方法具有计算复杂度小、适合大规模并行计算的优点,数值实验表明,该方法能够有效的并行求解有上亿自由度的二维Helmholtz方程.     

具有两参数的非线性非局部扰动发展方程奇摄动问题

本文研究了一类具有非线性非局部扰动发展方程的奇摄动问题.利用奇摄动方法,对该问题解的结构在两个小参数相互关联的情形和适当的条件下展开了全面研究.首先,构造了问题的外部解;然后在区域的边界邻域构造局部坐标系,再在该邻域中引入多尺度变量,得到问题解的边界层校正项,另外,通过引入伸长变量构造了初始层校正项;最后,利用不动点定理,证明了问题的解的一致有效的渐近展开式.用上述方法得到的各次近似解,具有便于求解、精度高等特点.     

周期复合材料压电问题的双尺度数值模拟

利用渐近展开的方法对具有一般周期结构的复合材料中描述压电现象的电势与位移建立了二阶双尺度渐近展开式及边界层解, 得到了局部单胞内电场与位移场的相互耦合关系, 并给出了复合材料中电势与位移的双尺度结合边界层的有限元计算方法。数值算例表明了该方法的可行性与高效性。      

具有两参数的非线性非局部扰动发展方程奇摄动问题（英文）

本文研究了一类具有非线性非局部扰动发展方程的奇摄动问题.利用奇摄动方法,对该问题解的结构在两个小参数相互关联的情形和适当的条件下展开了全面研究.首先,构造了问题的外部解;然后在区域的边界邻域构造局部坐标系,再在该邻域中引入多尺度变量,得到问题解的边界层校正项,另外,通过引入伸长变量构造了初始层校正项;最后,利用不动点定理,证明了问题的解的一致有效的渐近展开式.用上述方法得到的各次近似解,具有便于求解、精度高等特点.     

铁道车辆系统周期解的延续算法

用有限差分格式离散常微分方程组的周期解,形成一个含参数的非线性代数方程组,用DERPAR算法对该含参数代数方程组进行延续求解,不但可计算稳定的周期解,而且不稳定的周期解也可求出,采用了vandePol方程和Lorenz方程验证了该方法的可行性。用上述方法计算了一个17自由度铁路客车模型的周期解,得到了一个大范围的车辆系统周期解的解图,包括稳定的和不稳定的周期解。确定了客车系统Hopf分叉点及系统的非线性临界速度,分析了车辆系统周期和轮对横移幅值与车速的关系。     

分数步法求Helmholtz方程近似解

本文给出了求Helmholtz方程近似数值解的一种方法.     

基于HMM的核动力旋转机械故障诊断的研究

隐Markov模型(HMM)已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一,它可以使用一个隐变量来模拟系统的动态行为的变化。核动力旋转机械升速过程具有信息量大、信号非平稳、重复再现性不佳等特点,HMM很适合处理此类信号。将HMM引人到核动力旋转机械的故障诊断中,提出了一种基于HMM的故障诊断方法。     

基于Fuzzy的隐马尔可夫模型主动轮廓线模型

提出了一种基于Fuzzy和隐马尔可夫模型(HMM)的新型主动轮廓线模型,该模型将HMM理论应用于主动轮廓线模型中,利用HMM提供多种测量信息的能力,优化了模型参数,克服了传统主动轮廓线模型的缺点.同时利用模糊集理论建立了HMM中的状态与观测向量之间的模糊隶属关系,从而使蛇点准确收敛到图像边缘.对动态图像的仿真实验表明,改进后的主动轮廓线模型能很好地收敛到物体的凹陷边界,且具有良好的抗噪性.     

隐马尔科夫模型的改进及其在金融预测中的应用

隐马尔科夫模型(Hidden Markov Model)在诸多领域都有广泛应用.本文从不同角度对现有的HMM进行改进并应用于金融预测.首先,我们采取固定K-means方法的初始点,使得K-means的聚类结果更加稳定,由此为Baum-Welch算法确定更好的初始迭代值.其次,为更进一步提升预测效果,与已有方法不同,我们将由BaumWelch算法所得到的模型参数值作为Vertibi算法的输入来确定隐状态的最优取值序列,由此重新划分观测向量,进而得到各个隐状态对应的观测向量的集合;基于Vertibi算法的输出结果,我们重新计算不同类观测向量的均值与方差,将新的均值向量和协方差矩阵作为Baum-Welch算法初始迭代值,最终确定HMM最优的模型参数.最后,代替现有方法仅在历史区间中简单寻求相似走势的做法,我们不仅导出了预测值发生的多步条件概率的精细表达式,而且通过极大化该条件概率的值来得到更佳的预测值.基于中国证券市场具体数据的实证结果表明了本文所提出改进HMM的优越性.     

NovoHMM: a hidden Markov model for de novo peptide sequencing

De novo sequencing of peptides poses one of the most challenging tasks in data analysis for proteome research. In this paper, a generative hidden Markov model (HMM) of mass spectra for de novo peptide sequencing which constitutes a novel view on how to solve this problem in a Bayesian framework is proposed. Further extensions of the model structure to a graphical model and a factorial HMM to substantially improve the peptide identification results are demonstrated. Inference with the graphical model for de novo peptide sequencing estimates posterior probabilities for amino acids rather than scores for single symbols in the sequence. Our model outperforms state-of-the-art methods for de novo peptide sequencing on a large test set of spectra.     

The hardware design of a speaker‐independent speech recognizer

Abstract

This paper presents a hardware approach to the realization of a speaker‐independent speech recognizer. This hardware includes a feature normalizer, a vector quantizer, and a hidden Markov model (HMM) scoring processor. It can meet real time requirements in moderate vocabulary applications. The finite‐register‐length effect is investigated so that the register length for representing the model parameters and the computation results can be determined. An error analysis for the HMM scoring procedure is also derived.     

基于Gabor脸和隐马尔可夫模型的人像识别算法

提出了基于Gabor小波变换和隐马尔可夫模型的人像识别算法。该算法先对人脸图像进行多分辨率的Gabor小波变换,采用主元分析法对每个结点进行降维,最后形成Gabor脸。把Gabor脸的每个特征结作为观测向量,对隐马尔可夫模型进行了训练,并把优化的模型参数用于人脸识别。实验结果表明,本文方法识别率高,复杂度较低,对部分遮挡的图像具有较大的容忍度。     

基于微分经验模式分解和隐马尔科夫模型的滚动轴承故障诊断方法

提出基于微分经验模式分解（DEMD）和隐马尔科夫模型(HMM）的旋转机械故障诊断方法,并应用到滚动轴承故障诊断中。首先,对故障信号进行基于微分的经验模式分解,提取瞬时能量作为故障特征向量;然后将故障特征向量输入HMM分类器进行模式识别,输出各状态似然概率值;以最大似然概率所对应的故障状态作为诊断结果,最终实现滚动轴承故障诊断。滚动轴承点蚀故障的诊断实验证明了该方法的有效性。与基于EMD-HMM的故障诊断方法相比,基于DEMD-HMM的故障诊断方法更适用于滚动轴承故障诊断。     

应用优化的隐马尔可夫模型预测蛋白质二级结构

针对3-状态隐马尔可夫模型(HMM)预测蛋白质二级结构准确率不高的问题,提出了7-状态和15-状态HMM.研究对象为CB513数据集合中筛选出的492条蛋白质序列,将其随机均分7组.分别应用7-状态和15-状态HMM对以上数据集进行二级结构预测,对预测准确率进行了7-交叉验证,并将预测结果与应用3-状态HMM的预测结果进行了比较.结果表明,应用7-状态HMM,Q3准确率提高3.11%,SOV提高6.15%,QE提高6.49%;应用15.状态HMM,QE比7-状态HMM又提高5.74%.在15-状态:HMM预测中加入序列的同源信息后,Q3准确率比单序列15-状态HMM增加8.76%.结果表明,7-状态HMM预测能力优于3-状态HMM,15-状态HMM总体预测能力和7-状态HMM相当,但β折叠预测能力强于7-状态HMM.     

基于HMM的瞬态回波分类研究

本文从瞬态回波与语音信号在非线性时变方面的相似性出发,分析了隐马尔可夫模型用于瞬态回波分类的可行性并选择了一种较合的ＨＭＭ结构对两类仿真回波信号进行了分类,取得了较好的效果。     

基于EEMD-SDCCⅠ-HMM的水电机组振动故障识别方法EI北大核心CSCD

针对水电机组故障诊断问题,提出了一种基于集合经验模态分解(EEMD),曲线趋势编码(CC)和隐马尔科夫模型(HMM)的故障识别方法。该方法首先利用EEMD处理机组振动信号,得到一系列本征模态函数(IMF)然后计算各阶IMF的标准差(SDs)形成标准差曲线,并根据IMF标准差曲线的趋势进行编码构成特征向量。最后将特征向量作为学习样本输入HMM,通过训练得到各状态的HMM。当待测样本输入各状态HMM时,可通过对比各模型输出的对数似然概率值来判断样本所属状态。试验结果表明,该方法能有效提取机组故障特征,识别故障类型,与常规故障识别方法相比,具有较高的准确率。