基于因子分析的隐马尔可夫模型及其训练算法

虽然基于对角协方差矩阵高斯分布的隐马尔可夫模型(HiddenMarkovModelBasedonDiagonalGaussiandistributions,HMM-DG)目前在现代大词表连续语音识别系统中得到了广泛的应用,但HMM-DG在帧内特征相关(intra-framefeaturescorrelation)建模方面存在缺陷。该文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架—基于因子分析的隐马尔可夫模型(HiddenMarkovModelBasedonFactorAnalysis,HMM-FA),并导出了HMM-FA的训练算法。仿真实验表明:在相同的条件下,HMM-FA的性能优于HMM-DG。     

基于抽象隐马尔可夫模型的运动行为识别方法

证明本文方法的有效性.     

基于双线性建模及隐马尔可夫模型的步态识别算法

针对存在两个未知隐含特性的步态识别问题提出了一种新的识别算法,将特性分别看作“内容”和“风格”,对图像序列以状态确定的连续HMM EM估计“内容”类型,引入非对称双线性模型理论对结果建模,通过SVD和NN聚类实现对“风格”的归类判定。实验选择人体两侧轮廓到质心垂线距离作为步态特征,通过在CASIA步态库上的实验证明,该算法能有效提高判别率,对未知风格或内容类型判断有较好的适应性。同时对影响步态识别准确性的其他因素也做了讨论。     

一种改进的隐马尔可夫模型在语音识别中的应用

提出了一种新的马尔可夫模型——异步隐马尔可夫模型．该模型针对噪音环境下语音识别过程中出现丢失帧的情况，通过增加新的隐藏时间标示变量Ck，估计出实际观察值对应的状态序列，实现对不规则或者不完整采样数据的建模．详细介绍了适合异步HMM的前后向算法以及用于训练的EM算法，并且对转移矩阵的计算进行了优化．最后通过实验仿真，分别使用经典HMM和异步HMM对相同的随机抽取帧的语音数据进行识别,识别结果显示在抽取帧相同情况下异步HMM比经典HMM的识别错误率低．     

用于脱机手写数字识别的隐马尔可夫模型

将隐马尔可夫模型(HMM)用于脱机手写数字识别中，系统如何建模是一个值得研究的问题．在考虑手写数字自身特点及特征抽取的基础上，对HMM模型的训练方法及模型参数的选取进行了研究，以提高系统识别率．在银行票据OCR的应用中，与基于神经网络的方法结合使用，使得整张票据的拒识率降低了3％，明显提高了银行票据OCR系统的性能．     

马尔可夫及隐马尔可夫模型在数据挖掘中的应用

随着用户对于数据挖掘的精确度与准确度要求的日益提高,马尔可夫模型与隐马尔可夫模型被广泛用于数据挖掘领域。本文阐述了马尔可夫模型和隐马尔可夫模型数据挖掘领域的应用,以及隐马尔可夫模型可解决的问题,以供其他研究者借鉴。     

马尔可夫及隐马尔可夫模型在数据挖掘中的应用

随着用户对于数据挖掘的精确度与准确度要求的日益提高,马尔可夫模型与隐马尔可夫模型被广泛用于数据挖掘领域。本文阐述了马尔可夫模型和隐马尔可夫模型数据挖掘领域的应用,以及隐马尔可夫模型可解决的问题,以供其他研究者借鉴。     

一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时，尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足，没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构，结合SAR图像中相干斑噪声的统计特性，本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明，该方法在有效抑制相干斑的同时，更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比较，该方法在噪声平滑及边缘保持上都取得了较大的改进，并得到了较好的视觉效果。     

一种基于二维隐马尔可夫模型的图像分类算法

针对图像分块之间的相互依赖关系,提出一种基于二维隐马尔可夫模型的图像分类算 法。该算法将一维隐马尔可夫模型扩展成二维隐马尔可夫模型,模型中相邻的图像分块在平面两个 方向上按条件转移概率进行状态转换,反应出两个维上的依赖关系。隐马尔可夫模型参数通过期望 最大化算法(EM)来估计。同时,本文利用二维Viterbi算法,在训练隐马尔可夫模型的基础上,实现 对图像进行最优分类。文件图像分割的应用表明,隐马尔可夫算法优于CART算法。     

基于小波域隐马尔可夫模型的信号超分辨率重建

提出一种基于小波域隐马尔可夫模型(WHMM)的信号超分辨率重建算法。根据贝叶斯原理和最大后验概率估计理论,将WHMM作为先验知识给出一般信号的超分辨率重建模型;详细推导了重建问题的Euler-La-grange方程及对数似然函数的导数计算,将信号的超分辨率重建归结为一个简单线性方程组的求解;最后采用期望最大化(EM)算法和共轭梯度算法交替迭代计算WHMM的模型参数和高分辨率重建信号。一维和二维测试信号的实验结果表明该方法在有效抑制噪声的同时,能够很好地重建出信号的高频细节。在相同的信号降质条件下,针对一维情形,本文重建方法的峰值信噪比(PSNR)较三次插值和Tikhonov正则化方法平均提高2.3994 dB和4.474 2 dB;针对二维情形,本文重建方法的PSNR较双三次插值和Tikhonov正则化方法平均提高1.1741 dB和0.648 7 dB。     

隐Markov模型的多算法交叉耦合自适应算法

以离子通道信号重构为例,扩展HMM为矢量隐Markov模型,利用随机逼近原理对期望最大算法进行自适应改造,估计离子通道的动力学特征参数;递归辅助变量算法估计背景噪声的统计特征;卡尔曼滤波预测背景噪声;三种算法交叉耦合重构离子通道信号。该算法能够克服滤波器和背景噪声的影响,在低信噪比情况下得到了较高精度的估计参数和重构信号,具有鲁棒性和一致收敛特性。     

基于混合因子分析的隐马尔可夫模型

经典隐马尔可夫模型用于语音识别存在的两个主要缺陷是“离散状态假设”和“独立分布假设”。前者忽略了语音信号的非平稳性,后者忽略了语音信号的相关性。文章将混合因子分析方法用于语音建模,提出了基于混合因子分析的隐马尔可夫模型框架,并用动态贝叶斯网络形象地表示。该模型框架不仅从理论上解决了上述问题,而且给出许多语音建模的选择。目前广泛使用的统计声学模型均可视为该模型的特例。     

基于隐马尔可夫模型的火焰检测

提出一种利用隐马尔可夫模型对普通视频中的火焰进行分析的方法,除应用运动和颜色分析对火焰进行识别外,还通过隐马尔可夫模型对火焰的闪烁特性进行分析。实验结果表明,该方法能有效区分火焰和具有火焰颜色的普通运动物体,减少了火灾监测中误报警的次数,具有一定的实际意义。     

基于隐马尔科夫模型的网络爬虫检测算法仿真

在网站的建设与维护中,为了提升服务器效率,加强安全保密性等原因需要区分普通用户和网络爬虫程序。但是一些不完善或恶意的设计使得针对爬虫程序的检测变得困难,这些爬虫程序不仅加重网站的负担,也危害了网络的安全。为了解决这一问题,本文提出一种利用行为模式进行检测的技术,采用隐马尔科夫模型描述行为模式,并使用Matlab仿真实现高精度的检测效果。结果表明,利用隐马尔科夫模型的检测技术可以实现高精确度和低错误率的网络爬虫检测。      

多线程程序时序分析的隐Markov模型

针对多线程程序数据竞争分析与检测困难的问题,提出一种基于隐Markov 模型的多线程程序时序分析方法.用随机变量不确定性刻画不同线程之间时序上的交互关系,分析数据竞争条件下程序不确定结果的概率分布情况;建立多线程程序时序分析的隐Markov 模型,使用Baum-Welch 和前向算法仿真上下文对程序实际运行状态的影响.实验结果表明,该模型能够快速有效反映多线程执行时序,用于指导多线程程序时序竞争检测过程.     

计算机系统入侵检测的隐马尔可夫模型

入侵检测技术作为计算机安全技术的一个重要组成部分，现在受到越来越广泛的关注，首先建立了一个计算机系统运行状况的隐马尔可夫模型（HMM），然后在此模型的基础上提出了一个用于计算机系统实时异常检测的算法，以及该模型的训练算法。这个算法的优点是准确率高，算法简单，占用的存储空间很小，适合用于在计算机系统上进行实时检测。     

隐马尔可夫模型在步态识别中的应用研究

提出了基于高斯混合输出的连续隐马尔可夫模型的步态识别方法。首先,利用k-均值聚类法对步态序列建立初始的高斯混合模型,然后采用Baum-Welch算法对初始连续隐马尔可夫模型参数不断训练求精,在训练过程中对所存在的问题做适当的改进,解决了算法的溢出问题,最后用最前向算法进行识别;利用CASIA数据库对该算法进行验证,取得了较高的识别率,并对视角变化有一定的鲁棒性。     

基于HMM的动态社会网络社团发现算法

随着互联网的不断发展,大多数社会网络已逐渐显示出动态特性,动态社会网络社团分析对理解现实生活中社会网络结构和功能具有非常重要的意义.针对动态社会网络中的社团发现问题,提出一种基于隐Markov模型(hidden Markov model, HMM)的HMM_DC算法.该算法考虑到社会网络的动态特性,结合历史信息,将社团发现转化为求解隐马尔可夫模型中的最优状态序列问题,将网络中的社团结构和节点信息分别采用状态链和观察链表示,在无须指定额外参数的情况下实现动态网络的社团结构发现.最后,利用该算法和其他算法对VAST数据集、ENRON数据集和Facebook social network数据集进行实验仿真.仿真结果表明：该算法能够快速、准确地发现真实动态网络中的社团,其模块度Q值和互信息NMI值有很大提升.     

基于隐马尔可夫模型的兴趣迁移模式发现

Web挖掘的一个重要研究方向是发现用户的迁移模式。一般来说,用户的迁移具有某种目的性。这种目的性表现为用户对某种概念的兴趣。文中提出基于隐马尔可夫模型的兴趣迁移模式发现方法,用于发现这种带有某种兴趣的用户迁移模式,这种模式实质上是一种特殊的关联规则。在这种方法中,作者首先根据用户的访问记录定义一个隐马尔可夫模型,然后提出一种新的增量发现算法Increase_R用于发现兴趣迁移模式,同时给出了证明以说明该算法可以发现所有的兴趣迁移模式。