共查询到20条相似文献,搜索用时 93 毫秒
1.
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. 相似文献
2.
3.
轴向运动梁横向受迫振动多尺度分析及DQM验证 总被引:1,自引:1,他引:0
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. 相似文献
4.
5.
6.
7.
8.
9.
11.
12.
13.
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. 相似文献
14.
Fischer B Roth V Roos F Grossmann J Baginsky S Widmayer P Gruissem W Buhmann JM 《Analytical chemistry》2005,77(22):7265-7273
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. 相似文献
15.
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. 相似文献
16.
17.
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。 相似文献
18.
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. 相似文献
19.
20.
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。 相似文献