隐马尔科夫模型及其在面像识别中的应用

本文介绍了隐与尔科夫模型、面像识别技术,提出了基于HMM的面像识别方法,评估了基于HMM的面像识别软件,并指出了HMM在面像识别中的实用性。     

基于隐马尔科夫模型的基因识别系统设计与实现

随着基因组研究的发展,利用机器学习方法进行基因识别被广泛使用,这些方法包括神经网络算法、基于规则的方法、决策树、概率推理等。文章描述了一种基于隐马尔科夫模型的基因识别系统,介绍了EM训练算法和Viterbi序列分析算法,该系统运用Burset&Guigo的公共数据集进行测试,核苷识别的Sn和Sp两个参数分别可以达到68%和88%,外显子识别的Sn和Sp参数达到60%和63%。     

对隐马尔科夫模型中动态编程的探讨

主要对隐马尔科夫模型中的三个问题（估计问题、译码问题、学习问题）中的译码问题作了研究．并对其应用进行了探讨。     

基于HTCPN和隐马尔科夫的网络控制系统模型分析

针对具有随机时延的网络控制系统(NCSs),研究其建模与系统分析问题.运用层次时间颜色Petri网(HTCPN)对以PLC为控制器的NCSs进行结构保留形式建模,并以新颖的方式将网络丢包和乱序现象与系统模型结合.重点分析系统中传感器-控制器、控制器-执行器随机时延分布情况,建立时延与网络中数据包运行情况间的关系.在此基础上,利用Baum-Welch算法建立两种时延的隐马尔科夫模型(HMM),进一步验证了HTCPN模型与HMM的等效性.     

一种基于水声信道的无线传感器网络路由协议

以无线传感器网络的水下应用所面对的挑战为背景,针对水声信道的传输特点,在最小代价算法和目的节点序列距离矢量DSDV(Destination-Sequenced Distance-Vector)路由协议的基础上,提出了一种均衡节点能耗的路由协议算法.该协议按照最小能量代价建立多跳路由表,从而在数据传送时能够均衡各节点的能量消耗,达到延长网络生命周期的目的.仿真结果表明,相对于DSDV协议,本文提出的协议能够实现能量均衡,有效的延长网络生存周期.     

三维水声传感器网络中高效路由协议的研究

近年来,三维水声传感器网络在学术界和工业界引起了极大的关注.在被监测海域部署三维水声传感器网络,可以解决二维水声传感器网络节点无法充分观测的问题.为了实现三维水声传感器网络在新环境中的水下监测,需要解决一系列的问题.其中,由于监测区域环境的限制以及水声传感器节点的特殊性,需要设计高效的路由协议来保证数据包在各节点之间正确转发.首先提出一种基本地理位置路由协议.在此基础上,设计一种自适应路由协议,以较好地适应三维水声传感器网络中部分节点失效的情况.通过仿真实验发现,自适应路由协议可以在数据包传送率、端到端延时和网络吞吐量指标上达到平衡,而基本地理位置路由协议在端到端延时指标上可获得更好的性能.     

基于最大熵马尔科夫模型的绩效评价方法

本文提出了一种基于最大熵马尔科夫模型的绩效评价方法.该方法采用马氏模型来定量化建模专家打分过程,采用特征函数表征打分规则,通过在训练集上最大化熵来获得符合专家经验的最优的打分模型.与传统方法相比,所提出的方法可以融合各种打分规则、专家经验和指标逻辑关系得到综合打分结果.为了提高模型的训练和打分的效率,本文提出了基于改进迭代算法的参数估计方法,并利用Viterbi算法进行快速打分计算.利用中国大洋协会绩效评价指标体系历史数据进行的仿真实验表明,与BP神经网络方法和最大熵方法进行对比,本文所提出的方法具有更高的打分正确率.     

基于隐马尔科夫模型的人脸识别

对于人脸识别系统来说,人脸图像的特征提取和匹配是决定人脸识别系统性能的关键所在。文中提出基于隐马尔科夫模型的人脸识别方法。首先,根据人脸的特点建立马尔科夫模型,然后对图像进行预处理,再利用采样窗对人脸图像进行采样并进行离散余弦变换,提取变换后的系数作为观察向量。最后对人脸图像进行HMM训练,训练结束后即建立了一个人的HMM。基于DCT系数的二维隐马尔科夫模型由于充分利用了人脸图像的二维统计特性,具有较高的识别率。实验结果证明此方法在准确性方面具有良好的性能。     

基于隐马尔科夫模型的语义倾向性研究

以网络评论为研究对象,试图把隐马尔科夫模型从已经成功应用的模式识别领域推广到语义倾向性分析系统.与传统倾向性识别系统不同的是,此理论通过建立隐马尔科夫分类模型,将未知文本进行状态序列化,得到文本中所有的词语所对应的倾向性,然后选定多数词的倾向性来作为文本的总体语义倾向.实验表明,当训练数据越全面、规模越大时,识别率越高.     

水声传感器网络分簇路由协议研究

通过分析LEACH协议的优缺点,提出了一种改进的基于位置的水声传感器网络分簇路由协议——PBCP。该协议对LEACH的簇首选择机制进行了改进,同时基于位置信息将簇首与Sink节点之间的通信由单跳改为多跳。仿真结果表明,与LEACH协议相比,PBCP协议能够有效节约节点能量,平衡网络负载,延长网络生存时间。     

基于矢量转发的节能型水声传感器网络路由协议

近年来,水下物联网和海洋物联网已经成为一个热门的研究方向,水声传感器网络路由协议作为海洋物联网的重要组成部分也得到研究人员的广泛重视。因此在HH-VBF协议的基础上,提出一种基于矢量转发的节能型水声传感器网络路由协议——ES-HH-VBF协议。ES-HH-VBF协议在保留了将下一跳节点的位置信息作为计算节点转发因子的参考值的基础上,引入了节点剩余能量改进节点转发因子的计算方式,以此来均衡网络中的能量消耗;并且还将预设的距离阈值由HH-VBF协议中的固定值改为根据节点剩余能量变化的动态值,从而可以动态地控制数据冗余。为了验证ES-HH-VBF协议的性能,在水下传感器网络仿真器Aqua-Sim上对HH-VBF协议和ES-HH-VBF协议的性能进行了对比分析。仿真结果表明,随着节点发包间隔的增加,ES-HH-VBF协议的包传递率比HH-VBF协议的包传递率高4.2%左右,网络平均时延比HH-VBF协议低11.3%左右,网络平均能耗比HH-VBF协议低8.2%左右。通过对ES-HH-VBF 协议和HH-VBF协议的仿真实验分析可知,ES-HH-VBF协议在提高数据包传递率、降低平均能耗和降低平均延时方面具有较大优势。     

水声传感器网络基于深度信息的安全路由协议

水声传感器网络（Underwater Acoustic Sensor Networks,UASNs）具有开放共享、低带宽、长时延等特性,为保证水下节点的通信安全,提出了基于水下节点深度信息的一种新的水声传感器网络安全路由协议。与其他算法相比,所提出的安全路由协议相对较为节能,安全性分析表明该算法能够有效保证节点身份、路由和数据等关键信息的私密性,利用NS2网络仿真软件对路由协议的时延、能耗和数据包交付率进行了仿真,仿真结果表明该安全路由协议能适用于水声传感器网络中。     

基于增益的隐马尔科夫模型的文本组块分析

本文提出一种基于增益的隐马尔科夫模型(Transductive HMM)的方法,用于文本组块(Text Chunking)分析的研究。该方法将一些上下文信息导入隐马尔科夫模型(HMM),构造增益的隐马尔科夫模型(Transductive HMM)。该模型不需要修改标准的隐马尔科夫模型的训练和标注过程,只需要对训练语料根据导入的上下文信息进行相应的转换。实验结果显示,该方法在文本组块分析方面是有效的。     

采用隐马尔科夫模型的蛋白质复合物识别研究

动态蛋白质网络的构建和复合物识别问题是生物信息学领域目前研究的热点.针对现有的算法在解决前述问题上的不足,提出了一种基于隐马尔科夫模型的蛋白质复合物识别算法(HMM-PC).首先基于蛋白质的基因共表达特性构建初始蛋白质网络,然后利用蛋白质的共享功能注释、共享结构域和连接强度等信息来对网络进行加权,得到动态蛋白质网络.在...     

基于隐马尔科夫模型和神经网络的入侵检测研究

针对目前的基于隐马尔科夫模型的入侵检测和基于神经网络入侵检测各自的不足之处,提出一种基于隐马尔科夫模型和神经网络的混合入侵检测方法。主要是从网络协议的角度入手,把TCP数据包作为分析对象,给出一种确定观察值的方法,把隐马尔科夫模型的输出作为神经网络的输入,神经网络的输出是最终的结果。最后通过实验证明了此混合入侵检测方法比单独使用隐马尔科夫模型或者是单独使用神经网络的检测方法有更低的误报率和漏报率。     

WSNs中基于隐马尔科夫模型的目标识别问题研究

由于无线传感器网络（Wireless Sensor Networks,WSNs）资源受限,如何有效利用资源,提高目标辨别的准确度,是WSNs中目标识别系统的研究难题。以隐马尔科夫模型为分类框架,对一个声音传感器阵列节点簇内的目标识别问题进行建模;基于节点信号的空间关联性,改进了子节点Viterbi最大似然序列的计算状态,设置了子节点报送间隔,从而有效地判别局部状态。实验证明,改进后的算法在维持判别正确率的同时降低信息传输量10%以上。     

基于改进的隐马尔科夫模型的人脸识别方法

提出一种基于改进的隐马尔科夫模型的人脸识别方法。该方法在待识别头像预处理过程中增加了光照补偿操作,减少光照对人脸识别的影响,提高识别的效率;图像在匹配的过程中,将观察序列平均分成几等分,与训练好的HMM相比较时,采用一边比较,一边筛选的方法,提高了识别的速率。实验结果表明,改进后的方法既可以提高识别效率,同时也能提高识别速率。     

基于隐马尔科夫模型下的实时风险管理

在目前实时风险管理整体现状的研究基础上,该文独立设计出了一种实时风险管理的框架。理论分析表明,与传统做法相比较,改进后的实时风险评估子模块不仅节省存储空间而且在与其它子模块进行交互时更具有实时性,得到的风险值也更加合理。     

基于隐马尔科夫模型的无线传感网节点故障诊断算法

无线传感器网络中的故障诊断问题是目前的研究热点,实时且准确地诊断结果对于提高网络应用服务质量具有重大影响。针对现有方案存在着网络通信开销大、能耗大以及诊断结果不够精确等不足,提出一种能量有效的故障诊断方案。首先,基于隐马尔科夫模型对问题进行建模,然后基于节点的邻居信息提出一种分布式诊断算法,它不需要发送额外的诊断信息到sink就能准确地诊断出故障节点,最后通过理论分析得出了故障诊断的界限值。仿真实验结果表明,该方法的准确率和误检率都接近于理论值,并在准确率、误检率和网络生命周期方面要优于已有的方法。     

基于隐马尔科夫模型的非平稳信源参数估计

在数据压缩领域,如何获取非平稳信源的统计特性一直是一个被广泛关注的热点问题。针对非平稳信源统计特性的时变性,提出一种基于隐马尔科夫模型的参数估计方法。通过将非平稳信源的输出对应为隐马尔科夫模型的观察值序列,构造合适的隐马尔科夫模型,改进前向算法和后向算法,最后再利用改进后的算法对非平稳信源的统计特性进行估计。实验结果表明利用提出的方法非常逼近非平稳信源的统计特性,为更有效地进行非平稳信源的压缩提供了实现基础。