一种捆绑子空间分布隐马尔可夫模型的训练方法

提出一种捆绑子空间分布隐马尔可夫模型的训练方法。该方法利用多变量相关系数将语音信号的特征向量进行子空间划分;利用k均值算法捆绑特征向量子空间的高斯分布,得到子空间高斯分布的原型,减少模型的参数。通过实验,用该方法训练的捆绑子空间隐马尔可夫模型,不仅提高了识别器的精确度和识别速度,而且节省了存储空间。     

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。     

一种基于隐马尔可夫模型的人脸识别方法

提出一种改进的基于隐马尔可夫模型的人脸识别方法。利用人脸隐马尔可夫模型的结构特征和Viterbi算法的特点,对特征观察序列进行分割,使用部分序列对所有隐马尔可夫模型递进地计算最大相似度,同时排除相似度最小的隐马尔可夫模型,减少观察序列的计算次数,提高识别效率。实验结果表明,该方法能在不降低识别率的情况下,有效提高识别速度。     

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．     

一种基于隐马尔可夫模型的虚拟机失效恢复方法

随着虚拟化技术的发展与普及,越来越多的企业将关键业务系统部署到了虚拟化平台上。虚拟化技术降低了企业的硬件和管理成本,但同时也给系统的可靠性带来了严峻挑战。传统的方法通过运行时系统状态备份的方法来提高系统的失效恢复能力,但该方法会引入了巨大的系统开销。提出了一种基于隐马尔可夫模型的系统失效恢复性能优化方法。通过对系统运行时状态的预测分析,计算系统未来运行状态的概率趋势,并在运行过程中动态调整系统失效恢复功能与正常业务功能之间的资源分配,从而降低了系统的运行时性能开销,提高了业务系统服务能力。实验分析显示,该方法可以在保障系统可靠性的同时有效地降低系统的性能开销,在系统运行状态稳定的情况下,最高可以降低2/3的系统响应时间。     

一种基于隐马尔可夫模型的目标轨迹跟踪算法

现有的定位算法只表现了目标的静态位置特征, 不能较好地在目标移动情况下跟踪获取目标的运行行为轨迹。针对这一问题, 设计了一种基于隐马尔可夫模型的目标轨迹跟踪算法。该算法根据小区覆盖范围内的地理位置信息和目标用户的移动速度, 建立隐马尔可夫模型; 然后, 基于维特比译码算法对最佳路径和最佳状态概率进行最优化求解, 实现对目标轨迹的跟踪。仿真结果表明, 该算法可以在基站小区分辨率下精确地获取目标轨迹。     

一种局部化的反向传播网络

常规的反向传播网络（ＢＰ）是一种内部呈完全联结的全局性网络，它对非平滑系统的学习能力较弱。参考局部性网络的设计思想，本文提出一种由多个既独立了关联的同构子网络构成的局部化反向传播网络（ＬＢＰ）。子网络之间的相对独立性和相互关联性，使得ＬＢＰ对平滑和非平滑系统都具有较强的学习能力。     

一种新的基于隐马尔可夫模型的股票价格时间序列预测方法

针对传统的基于隐马尔可夫模型HMM(Hidden Markov model)的股票价格序列预测方法的不足,提出一种新的基于HMM的股票价格预测的方法.采用一种CBIC(Clustering and BIC)算法自动确定HMM隐状态数,在预测过程中当预测误差大于一定阈值时,采用模型自动更新方法建立新的模型.通过对股票价格序列的转换,建立相应的HMM,进行单步值预测.单步值预测与Hassan等人的HMM fusion model方法、ARIMA方法进行了比较,实验结果表明所提出的预测算法在股票价格预测中,比现有的不更新模型的方法能得到更好的结果.     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

Classification of abnormal plant operation using multiple process variable trends

This paper illustrates two strategies for the detection and classification of abnormal process operating conditions in which multiple process variable trends are available. The first strategy uses a hidden Markov model (HMM) for overall process classification while the second method uses a back-propagation neural network (BPNN) to determine the overall process classification. The methods are compared in terms of their ability to detect and correctly diagnose a variety of abnormal operating conditions for a non-isothermal CSTR simulation. For the case study problem, the BPNN method resulted in better classification accuracy with a moderate increase in training time compared with the HMM approach.     

人工神经网络在ERP系统中的应用

在传统的ERP的基础上,增加专家系统模块,即基于人工神经网络技术的预测分析模块,提出了ERP和专家系统的集成管理方法,完成复杂的非线性预测,以使ERP系统智能化、自动化水平更高。该模块采用反向传输BP神经网络模型来实现,通过网络的自适应学习和训练,找出输入和输出之间的内在联系,以求解问题。利用该专家系统对汽车制造企业市场销售量进行预测,结果表明：该方法性能、实用性和通用性好。     

基于BP神经网络的隐写分析分类器设计

设计并实现了基于BP神经网络的隐写分析分类器。首先对图像库中的图像进行格式变换,并使用扩展修改方向和钻石编码两种隐写方法进行不同嵌入率的隐写嵌入,然后计算载体图像和载密图像中平面域、DCT域和小波域的一些属性值作为特征。利用Matlab的模式识别工具箱搭建BP神经网络,用已知类别的图像特征训练分类器并进行分类测试。实验结果表明,多域综合特征可以实现良好的分类效果,能以较高的准确率识别出载体图像和载密图像。     

Automatic thesaurus construction for spam filtering using revised back propagation neural network

Email has become one of the fastest and most economical forms of communication. Email is also one of the most ubiquitous and pervasive applications used on a daily basis by millions of people worldwide. However, the increase in email users has resulted in a dramatic increase in spam emails during the past few years. This paper proposes a new spam filtering system using revised back propagation (RBP) neural network and automatic thesaurus construction. The conventional back propagation (BP) neural network has slow learning speed and is prone to trap into a local minimum, so it will lead to poor performance and efficiency. The authors present in this paper the RBP neural network to overcome the limitations of the conventional BP neural network. A well constructed thesaurus has been recognized as a valuable tool in the effective operation of text classification, it can also overcome the problems in keyword-based spam filters which ignore the relationship between words. The authors conduct the experiments on Ling-Spam corpus. Experimental results show that the proposed spam filtering system is able to achieve higher performance, especially for the combination of RBP neural network and automatic thesaurus construction.     

一种基于离散马尔科夫模型的神经网络可靠性设计方法

本文给出了一和循环前馈神经网络来表示具有ｎ个状态的离莠马尔科夫模型,及其二次能量函数,并根据梯度下降规则,给出了相应的权值修改规则。利用该神经网络方法可以有效地对容错硬件进行可靠性设计。     

基于粗糙集理论和三层前馈BP网络的分类模型

本文提出了一种将粗糙集理论作为神经网络的预处理系统、两者共同构成一个分类系统的分类模型。利用粗糙集方法删除冗余属性、简化训练数据集,从而减小神经网络构成系统的复杂性,也减小网络训练时间;用神经网络作为后置的分类系统,可以提高整个系统的容错和抗干扰能力。     

优化BP神经网络的可靠性预测模型

为了提供一种更加准确高效的算法,对传统的BP神经网络模型进行优化。首先对初始权植的选取规则,传统的N-W规则算法进行改进,再对其它参数进行优化。在此基础上,将神经网络理论应用于系统可靠预测评价之中,提出了基于此理论的系统可靠预测评价模型、实现方法和优点;评价实例证明此方法的可行性。     

人工神经网络预测软土地基沉降

简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,充分运用人工神经网络较强的非映射能力来预测软土地基的沉降,利用实测资料来对复杂的非线性的土工结构进行直接建模,并计算出软土地基的沉降值,获得满意的效果。结果显示,人工神经网络应用于软土地基沉降的前景是非常广阔的。