基于灰色-马尔可夫模型的刀具磨损预测

为了准确判断和预测激光超声复合超精密车削过程中刀具的磨损状况及磨损趋势,基于激光超声复合超精密车削刀具后刀面磨损试验数据,应用灰色-马尔可夫理论建立了激光超声复合超精密车削刀具磨损量灰色预测模型及灰色-马尔可夫预测模型,并对特定切削条件下的刀具磨损量进行了预报。结果表明,两种模型预测值与实测值误差较小,尤其是灰色-马尔可夫模型拟合精度更高,结果更可靠,能更好地满足工程需要。     

基于隐马尔可夫模型的协议识别技术

现有流媒体分发系统中流量管理和内容路由过程彼此独立,无法获得系统性能的最优解。在深入分析现有流量管理和内容分发过程的基础上,提出一种基于流量管理的内容路由方法。该方法中互联网内容提供商实时从服务提供商处获得拓扑及流量信息,实现内容路由过程的联合协同求解以最优化内容路由性能,从根本上实现了互联网内容提供商和服务提供商利益的最大化。     

基于隐马尔可夫模型的语音单字识别研究

本文针对线性模型在语音识别中的不足，进行了隐马尔可夫模型（HMM）在语音单字识别中的研究，主要对观察输出概率求解、最佳状态序列寻找、参数估计和模型参数的选择进行了探讨。     

基于隐马尔可夫模型的人脸特征标注和识别

传统的基于隐马尔可夫模型的人脸识别方法需要对原始人脸图像进行光照补偿、人脸旋转等预处理,而且模型对人脸姿势、表情、局部特征变化等非常敏感.为解决此问题,提出一种基于高斯隐马尔可夫模型的人脸特征标注方法,该方法假定人脸图像中人脸和人脸特征两个区域的灰度值服从两个不同的高斯分布,并将这两个分布作为隐马尔可夫模型的状态集合.同时,将灰度人脸图像转换为一维的灰度值序列作为观测序列,通过模型预测状态序列以实现人脸特征的标注和定位,并基于该模型建立人脸数据库,对未知人脸进行识别.在ORL人脸库和自建人脸库的测试中,均取得较高的标注准确率和识别准确率.     

改进的隐马尔可夫表情识别模型参数优化算法

人脸表情识别是人工智能领域中极富挑战性的课题,针对表情识别中存在的识别率低与计算量大的问题,提出了一种新的改进的隐马尔可夫表情识别模型参数优化的算法.先采用新的初始参数优化模型,然后利用Baum-Welch算法进行重估计,从而建立新的HMM人脸表情模型.实验结果表明,新模型明显提高了人脸表情的识别率并降低了计算量.     

基于连续密度隐马尔可夫模型的矿下异常行为识别算法

针对当前方法识别精度不高的问题,提出了基于连续密度隐马尔可夫模型的矿下异常行为识别算法。获取待识别矿下视频帧数据,通过级联分类器实现运动区域的初步检测,并读入下帧数据,直到所有帧检测完毕。引入连续密度隐马尔可夫(HMM)模型,将人体图像分解成若干相等区域,获取图像区域中的标准差值特征,对连续密度HMM进行训练,完成异常行为识别。实验结果证明,本文算法的识别结果具有精度高和检测率高的特性,说明其具有可靠性。     

基于隐马尔可夫模型的信息系统风险评估方法

为保障信息系统安全,必须定期进行风险评估,但通常是对照测评标准逐项测评后给出测评结论,因缺乏精确的数学模型指导而受主观因素影响较大。为此,对信息系统风险评估过程建立了隐马尔可夫模型。在建模过程中,对输出值矩阵进行简化处理,并以随机产生的观察值序列作为隐马尔可夫模型训练数据。学习训练后的模型可利用前向算法自动评估系统当前的安全状态。应用实例说明:该方法贴近实际测评工作流程,是一种有效的风险评估方法,可在一定程度上提高评估的科学性,降低测评人员工作量,同时适用于信息系统安全风险自评估。     

基于隐马尔可夫模型的入侵检测方法

针对当前网络安全事件频发以及异常检测方法大多集中在对系统调用数据的建模研究上等问题,提出了一种基于隐马尔可夫模型的入侵检测方法。该算法基于系统调用和函数返回地址链的联合信息来建立主机进程的隐马尔可夫模型。此外,针对常用训练方法存在的不足,设计了一种快速算法用以训练模型的各个参数。实验结果表明：基于系统调用和函数返回地址链的联合信息的引入能够有效区分进程的正常行为和异常行为、大幅度降低了训练时间、取得了良好的运算效果。。     

基于隐马尔可夫模型的动态风险评估方法

为了改进静态风险评估方法缺乏预测性、实时性差的缺点,在隐马尔可夫模型的基础上,结合实体行为对系统风险的影响,对现有的静态风险评估算法进行改进,并通过理论分析此改进方法的时效性和预测性。实验结果表明,改进后的方法可提高评估结果的可靠性和时效性。     

半连续隐马尔可夫模型在孤立数字识别中的应用

讨论了半连续隐马尔可夫模型(SCHMM)及其在孤立数字语音识别中的应用.提出了一种新的 Viterbi 分段统计算法来估计 SCHMM 参数,降低了模型参数估计的计算量,提高了识别率.     

基于隐马尔可夫模型的自适应站点的研究

提出了一个基于隐马尔可夫模型的自适应站点模型。通过对用户访问序列进行语义分析,提取出访问路径中蕴含的信息需求,依此进行站点调整、页面推荐及预取,全面提升了站点的自适应性能。     

基于隐马尔可夫模型的招聘网络信息抽取

网络信息抽取是从半结构化的Web海量数据中,按用户要求抽取且形成相关的有效的结构数据处理过程。论文以隐马尔科夫模型（HMM）进行数据抽取中的若干关键问题进行研究,提出了基于数据挖掘聚类的模型合并方法生成隐马尔可夫模型,即可根据数据自动生成HMM,同时对一般的隐马尔可夫模型进行了扩展,为每个抽取域生成一个隐马尔可夫模型,用于获取更多的有用信息。     

基于两层隐马尔可夫模型的可视语音合成

为了解决可视语音合成中语音与口型多对多的对应关系,本文提出基于两层隐马尔可夫模型的可视语音合成,该模型有效结合了语音和口型的上下文相关性,解决了语音与口型多对多的对应问题,合成出了准确率高、连贯、自然的口型序列,该方法具有完全自动化的特点.     

基于隐马尔可夫模型的新闻视频挖掘技术

视频挖掘作为多媒体数据挖掘的典型代表,成为研究的热点.界定了视频挖掘的概念,以新闻视频挖掘为例,对视频挖掘的过程进行了具体分析.利用隐马尔可夫模型(HMM)对新闻数据库进行视频挖掘,根据模型建屯系统,通过实验证明对新闻视频中特征值的平均检测率可达82.3%.     

基于量子条件主方程的隐马尔可夫模型

相比于经典的隐马尔可夫模型,量子隐马尔可夫模型有着求解速度快和参数数量少的优点而备受关注。但是在从经典到量子的转变过程中,可以发现量子隐马尔可夫过程与量子开放系统有着紧密的联系。不同于前人的研究,该文从开放量子系统出发,研究了量子隐马尔可夫与开放系统所对应的主方程之间的联系,并展示了两个工作:1) 研究了量子开放系统的条件主方程和量子隐马尔可夫模型之间的联系,并以量子输运系统为例,从理论上得到了量子条件主方程和量子隐马尔可夫模型之间的对应关系;2) 提出了一种基于极大似然估计思想的学习算法来解决量子隐马尔可夫模型中的参数求解问题。     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

基于改进EMD和LS-SVM的刀具磨损状态识别

针对经验模态分解(empirical mode decomposition, EMD)的端点效应、停止准则和虚假分量作了改进处理, 通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission, AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsic mode function, IMF)分量, 利用IMF分量和原始信号的相关系数作为判断依据, 剔除分解中产生的虚假分量, 然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(least squares support vector machine, LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态.     

一种改进的基于隐马尔可夫的信息检索模型

为了适应中文检索模型中汉语语言的特点,该文对基于统计语言模型的信息检索技术进行了深入分析,通过实验,发现四阶模型在中文检索中存在较大优势。此文针对隐马尔可夫模型存在的近距离依存的缺陷对其进行改进,提出了一种新的Far-4-gram模型,实验表明了它的优越性。     

基于小波域的隐马尔可夫树模型的图像去噪

小波去噪已经成为图像去噪的主要方法之一.首先介绍了隐马尔可夫树模型,进而给出了隐马尔可夫树算法,最后基于隐马尔可夫树模型,分别用3种相似的方法对Lena图像的不同加噪图像进行了去噪实验.实验表明,本文所用去噪方法,无论对于峰值信噪比还是对于视觉上的效果,都取得了令人满意的效果.