关于树指标隐Markov链及其等价定义

本文参照直线上隐Markov模型的概念,给出有限树指标隐Markov链的定义.在该定义中,树指标隐Markov链由两个树指标随机过程组成,其中第一个树指标随机过程是树指标Markov链,是不能被直接观测到的隐藏链;第二个树指标随机过程是可被观测的且关于第一个树指标随机过程条件独立,对于树上的任意一个顶点,第二个随机过程此处的取值只信赖于隐藏链中此处的取值.最后,我们给出了树指标隐Markov链的三个等价定义.     

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。     

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.     

基于改进隐马尔科夫的城市垃圾量峰值预测方法

城市固体垃圾管理与城市发展的矛盾日益突出,固体垃圾量峰值的预测能力是检验城市垃圾管理水平的重要标志.传统预测方法大多利用平均值概念,不能有效地衡量数据动态变化和对峰值进行动态跟踪.基于此,提出一种改进的基于混合高斯分布的隐马尔科夫模型(GMM-HMM),用以动态跟踪城市垃圾量峰值.以小样本的上海市近30年固体垃圾量和大样本的城市废水量为案例,分别采用状态转移推知预测期望值和通过后验概率搜索历史最相似时刻做预测,并利用bootstrapping重采样方法对结果进行区间修正以减少初始分布带来的不确定性.案例结果验证了所提出方法的有效性和实用性.     

无端点检测汉语识别算法的实现及改进——动态时间规整和隐马尔可夫统一模型的应用

语音识别算法中,动态时间规整（ＤＴＷ）和隐马尔可规模（ＨＭＭ）是最有效的识别算法并且两者之间有着本质的联系和内在的统一,据此前期工作中,已经建立了ＤＴＷ和ＨＭＭ的统一模型（ＤＨＵＭ）。本文对ＤＨＵＭ进行了改进,在ＤＨＵＭ中引起寂静段自环,并根据汉语语音的特点,提出了一种无端点检测的语音识别算法,在识别过程中,该算法无需确定语音信号起止点位置,而是从寂静段开始,直接按帧提取特征（帧长２０ｍｓ,帧间重     

无端点检测汉语识别算法的实现及改进——动态时间规整和隐马尔可夫统一模型的应用

语音识别算法中,动态时间规整（ＤＴＷ）和隐马尔可夫模型（ＨＭＭ）是最有效的识别算法,并且两者之间有着本质的联系和内在的统一［１］,据此前期工作中,已经建立了ＤＴＷ和ＨＭＭ的统一模型（ＤＨＵＭ）［２、３］。本文对ＤＨＵＭ进行了改进,在ＤＨＵＭ中引进寂静段自环,并根据汉语语音的特点,提出了一种无端点检测的语音识别算法。在识别过程中,该算法无需确定语音信号起止点位置,而是从寂静段开始,直接按帧提取特征（帧长２０ｍｓ,帧间重叠５０％）,特征向量由１５阶倒谱系数和帧平均能量组成。实验中,用ＤＨＵＭ实现了该算法,对９９个相似汉语单字的识别测试结果表明：无端点检测的识别正识率为９４．９５％,正识率下降很少,但不作端点检测却降低了算法的复杂程度。为进一步改善识别性能,特征向量采用一种听觉模型特征,识别器具有更好的鲁棒性,识别率会略有提高。     

多带同步模型用于噪声环境下语音识别

根据人耳听觉特性,提出新的同步多带最大似然线性回归算法用于噪声环境下语音识别。该算法采用最大似然作为参数估计准则,利用各频带信号同步感知和噪声污染假定的方法进行语音模型补偿,有效地提高了识别系统在噪声环境下的识别性能。     

设备性能退化评估在巡检系统中的应用

摘　要：巡检是设备管理与故障诊断的重要手段,在巡检系统中开展设备性能退化评估,监测设备性能退化程度具有非常重要的意义。本文结合设备性能退化评估方法的研究,提出了一种将模型训练与评估诊断相分离的思路,具体阐述了系统的结构及软硬件实现,实现了系统设计,达到了便携式振动分析仪现场开展设备性能退化评估诊断并能够指导报警阈值设置目的。最后,通过轴承全寿命加速疲劳实验数据测试,验证了所提出的方法的有效性和系统的可行性。     

基于最优Morlet小波和隐马尔可夫模型的轴承故障诊断

摘要：提出一种从信号时频域提取故障特征的新方法,先将振动信号作Morlet小波变换,再将小波系数顺序划分成多个子列,各子列协方差矩阵的特征值为所需的特征参数。为了更有效地提取信号的振动特性及周期性成分,使用了最小香农熵准则和奇异值分解技术选择Morlet小波参数,并用比较实验证明了参数优化的有效性。状态辨识使用了连续型隐马尔可夫模型,在三种故障程度下分别实现了轴承正常状态,滚动体故障,内圈和外圈故障的正确辨识,平均精度都大于93%。     

A comparative study on the performance of several speech recognition techniques applied on the highly confusing mandarin syllables

Abstract

In this paper, the performance of several speech recognition techniques applied on the highly confusing Mandarin syllables were carefully compared, including dynamic time warping (DTW), the newly proposed DTW with superimposed weighting function (DTWW), the discrete hidden Markov models (DHMM) and the continuous hidden Markov models (CHMM). The vocabulary used here consists of 409 first tone isolated Mandarin syllables. Due to the fact that many confusing sets exist in this vocabulary, the accurate recognition of these syllables is relatively difficult, and all the recognition experiments were performed in the speaker dependent mode. After a series of 13 experiments, it was found that the recognition rate of the newly proposed DTWW (88.3) is higher than that of DTW (85.1), DHMM (65.0) and CHMM (83.9), and that the CPU time used for DTWW is 1.03 times that for DTW, 24 times that for DHMM and 4.3 times that for CHMM. In addition, the memory space required for DTWW and DTW is 3.4 times that of DHMM and 8.5 times that of CHMM. Therefore, DTWW has the highest recognition rate, DHMM has the fastest recognition speed, whereas CHMM appears to be very attractive when all the different factors including recognition rate, recognition speed and memory space requirement are considered.     

小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用

轴承是旋转机械中的关键部件,有效地对其进行性能退化评估对指导设备维护、防止设备意外失效有非常重要的意义。本文提出了一种基于小波包变换和隐马尔可夫模型（HMM）的轴承性能退化评估方法。该方法使用小波包变换对轴承振动信号进行分析,并提取节点能量及其总能量作为特征,仅使用正常状态下的数据训练HMM,建立性能退化评估模型,然后使用该模型对轴承的退化程度进行定量评估。最后,通过对轴承加速疲劳寿命试验的研究,验证了所提出的方法的可行性和有效性。     

游戏设计中基于DBN的用户体验评估模型研究

目的为了更直观、有效地评估游戏产品的用户体验(User Experience,UX),消除单一评估标准的不确定性。方法从传统的MDA游戏设计的角度出发,引入用户的生理特征测量,构建基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)的用户体验评估模型。该模型通过MDAUX框架提取用户体验影响因子,作为贝叶斯网络的输入层节点,通过生理特征测量方法提取用户的脑电和眼动状态,作为贝叶斯网络输出层节点,以一阶隐马尔可夫模型(Hidden Markov Model,HMM)表示两个相邻时间片上用户体验元素的影响关系,从而动态地展示用户体验状态。结果通过生理特征测量实验验证该模型的可行性,通过建立知识平台实践了模型的应用。结论结合生理特征测量的用户体验评估模型可有效反映用户体验状态。     

科技进步条件下劳动形式的划分

为提高认知性VDT监控作业绩效,运用隐马尔可夫模型解析作业过程并分析绩效形成机理。构建认知性VDT监控作业HMM概念模型,运用E-prime设计实验任务,运行ErgoLAB实验平台采集被试绩效及眼动数据,训练HMM参数并进行可信性验证,使用Viterbi算法将观察序列解码为认知动素链,分析认知动素链特征与作业绩效之间的关系,探究绩效形成机理。结果表明,认知性VDT监控作业过程可以用认知动素链表征,作业者和任务的不同会导致认知动素链的差异;结构相同情况下,认知动素链越长作业绩效越差;长度相同情况下,认知动素链结构和动素类型的差异会影响作业绩效。