基于隐马尔可夫模型的多真值发现算法

数据量的增长加大了信息获取的难度,如何从大量数据中准确获得有效信息是当前的研究热点.借鉴隐马尔可夫模型的状态转移概率,构建了基于图模型的多真值发现算法GraphTD,借助各数据源中描述的可信度转移矩阵,计算出数据值为真的概率的收敛值.同时,提出改进的初始真值的确定算法CVote,可有效提高GraphTD的正确率,避免了...     

基于隐马尔可夫模型的复杂数据挖掘实现

利用隐马尔可夫模型(HMM)对多媒体数据仓库进行复杂数据挖掘，复杂数据挖掘要解决的难题是音频和视频识别。建立音频和视频的识别模型及其相关的算法，在视频识别算法上构造出符合HMM的识别方法。根据模型建立系统，实验证明声音的识别率最高达到96．67％，视频中特征值的检测率可达87．81％。研究结果可以应用在多媒体的识别和数据挖掘领域，提供一个比较完整的复杂数据挖掘的模型和算法。     

基于隐马尔可夫模型的异常检测

首先建立了一个计算机系统运行状况的隐马尔可夫模型 ,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 ,这个算法根据最大信息熵原理 ,通过比较固定长度系统行为序列的平均信息熵和一个预先给定的阈值来检测入侵行为 .论文还给出了该模型的训练算法 .这个检测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     

基于隐马尔可夫模型的入侵检测系统

首先介绍了基于隐马尔可夫模型(HMM)的入侵检测系统(IDS)框架,然后建立了一个计算机系统运行状况的隐马尔可夫模型,最后通过实验论述了该系统的工作过程。通过仅仅考虑基于攻击域知识的特权流事件来缩短建模时间并提高性能,从而使系统更加高效。实验表明,用这种方法建模的系统在不影响检测率的情况下,比传统的用所有数据建模大大地节省了模型训练的时间,降低了误报率。因此,适合用于在计算机系统上进行实时检测。     

基于隐马尔可夫模型的动态手势识别研究

随着虚拟现实技术的飞速发展，人们迫切需要一种自然友好的字符输入方式，于是越来越多的研究人员投入到动态手势的研发当中。本文基于隐马尔可夫模型（HMM）搭建了一套动态手势识别系统。这套系统通过Leap Motion采集动态手势数据，并能够识别36个字母和数字的手势（数字0-9和字母A-Z）。经过大量实验表明，该系统有着很强的鲁棒性，识别单独手势的识别率能够达到93.2%。     

基于周期的一阶隐马尔可夫模型及其学习算法

对于周期变动明显的数据,本文通过引入周期状态转移矩阵,提出了一种基于周期的一阶隐马尔可夫模型,分析并给出了该模型的似然计算、隐状态估计和模型训练算法。最后的数值实验表明,该模型能有效提高预测的精确度和模型的似然度,并加快模型训练的收敛速度。     

基于隐马尔可夫随机场的社区结构发现算法

针对社区结构发现问题,提出了一种基于隐马尔可夫随机场社区发现算法.该方法将网络中的顶点度数映射为顶点信息值,用马尔可夫随机场模型描述网络中上下文信息并构造系统能量函数,使用迭代条件模式算法对能量方程进行优化.该方法在Zachary空手道俱乐部网络、海豚关系网络以及美国大学足球联赛网络上进行验证,实验结果表明,该算法的准确率较高.     

隐马尔可夫模型实现复杂数据挖掘

利用隐马尔可夫模型(HMM)对多媒体数据库进行复杂数据挖掘,复杂数据挖掘要解决的难题就是音频和视频识别。在建立音、视频识别算法的基础上,构造出符合HMM的识别方法。实验证明该系统声音的识别率最高达到96.67％,视频中特征值的检测率可达87.81％。     

基于隐马尔可夫模型的系统脆弱性检测

在计算机安全领域,特别是网络安全领域,对计算机系统进行脆弱性检测十分重要,其最终目的就是要指导系统管理员在"提供服务"和"保证安全"这两者之间找到平衡。本文首先介绍了基于隐马尔可夫模型(HMM)的入侵检测系统(IDS)框架,然后建立了一个计算机系统运行状况的隐马尔可夫模型,最后通过实验论述了该系统的工作过程。通过仅仅考虑基于攻击域知识的特权流事件来缩短建模时间并提高性能,从而使系统更加高效。实验表明,用这种方法建模的系统在不影响检测率的情况下,比传统的用所有数据建模大大地节省了模型训练的时间,降低了误报率。因此,适合用于在计算机系统上进行实时检测。     

基于HMM的蒙古语语音合成技术研究

基于隐马尔科夫模型的语音合成方法是当今语音合成的主流方法,它已被广泛应用于英语、汉语、日语等语音合成系统中。然而基于隐马尔科夫模型的蒙古语的语音合成技术研究还处于空白状态。首次将基于隐马尔科夫模型的语音合成方法用于蒙古语语音合成,并进行了语音合成实验。从最终合成系统的效果来看,合成的语音整体稳定流畅,可懂度高,而且节奏感比较强,主观平均得分为3.80。这为进一步研究基于隐马尔科夫模型的蒙古语语音合成技术奠定了基础。     

基于隐性马尔可夫模型的手势识别设计和优化

新型的笔式交互技术要求能够高效地识别用户手势,适应用户的手绘风格。本文建立了基于隐形马尔可夫的手势识别模型,在此基础上提出了在重采样阶段的中点补偿方法和编码阶段的方向编码优化方法。实验结果表明该识别模型能以更精简的采样点数量表示手势并给出良好的识别结果,减少了模型训练的运算量。     

基于HMM的中文语音自动切分中的静音添加

在建立语音语料库的过程中经常会碰到语音中加了很多对应文本所没有的静音标记,这些静音的存在直接影响到实际的切分结果。该文提出了一种静音自动添加的方法。在经过粗切分后,通过规则设定,短时能量、短时过零率和算法修正几个步骤,将静音寻找出来,添加到对应文本之中。该方法已运用到实际切分中,准确率在95％以上,取得了较好的效果。     

基于HMM的电力变压器故障诊断系统软件设计与实现

介绍了一种基于HMM的电力变压器故障诊断系统软件的设计与实现,给出了HMM建模和分类设计的步骤.在该系统中,利用Visual C#和LabVIEW为工具开发上层软件,利用COM技术实现算法的模块化.该系统可及时掌握电力变压器的工作状态和故障征兆及发展趋势,进行超差报警和故障诊断,以保证输变电系统的安全运行.     

可训练文语转换系统的时长模型优化

文语转换是人机交互的一项关键技术。当前的基于隐马尔可夫模型的语音合成系统已经能够合成出较高自然度和可懂度的声音,但与自然语音相比,韵律的节奏感不强,其主要原因是受时长的影响。提出在生成状态时长时同时优化状态、音子和音节三层模型的似然值,并通过考虑状态和长时时长的信息,使在重估计的过程中减少状态时长的错误。在普通话语料库上的实验证明,优化后的时长模型能够产生更加准确的状态时长,与状态级的基线系统相比较,均方根误差由19.90提高到了17.45。主观评测也显示改进后的模型优于基线模型。     

基于HMM的可训练中文语音合成

本文将基于HMM的可训练语音合成方法应用到中文语音合成。通过对HMM建模参数的合理选择和优化,并基于中文语音特性设计上下文属性集以及用于模型聚类的问题集,提高其建模和训练效果。从对比评测实验结果来看, 98.5%的合成语音在改进后其音质得到改善。此外,针对合成语音节奏感不强的问题,提出了一种基于状态和声韵母单元的两层模型用于时长建模和预测,集外时长预测RMSE由29,56ms降为27.01ms。从最终的合成系统效果来看,合成语音整体稳定流畅,而且节奏感也比较强。由于合成系统所需的存贮量非常小,特别适合嵌入式应用。     

一种基于HMM和遗传算法的伪装入侵检测方法

针对目前伪装入侵检测算法在确定序列的滑动窗口长度中存在的主要问题,以及使得检测阈值的计算更加容易、精确,本文提出了一个新的伪装入侵检测算法-MDAA,它使用HMM（Hidden Markov Model）模型表示正常用户行为,通过计算模型的条件熵确定滑动窗口长度.实现了滑动窗口长度随不同的用户模型而自动变化,达到自适应参数调整的目的.采用遗传算法计算子序列相对用户模型的最大和最小似然值,从而将滑动窗口分割到的子序列转换成便于决策的量.在一个真实的伪装检测数据集上进行了实验,结果表明该方法能得到较好的性能,并且更能适应不同用户的伪装检测.     

一种新的基于隐Markov模型的分层时间序列聚类算法

针对传统的基于隐Markov模型(HMM)的聚类算法在时间序列聚类的不足,提出了一种新的基于HMM的分层时间序列聚类算法HBHCTS,旨在提高聚类质量,同时对聚类结果给出类的表示. HBHCTS算法应用HMM对时间序列进行建模,并按照“最相似”的原则得到序列所对应的初始模型集,进而对这些初始模型合并更新及迭代得到聚类结果.实验中主要研究了聚类正确率与序列长度及模型距离的关系,结果表明HBHCTS算法比传统的基于HMM的聚类算法准确性高.     

SegHMC:一种基于Segmental HMM模型的顺式调控模块识别算法

顺式调控模块（Cis-regulatory module,CRM）在真核生物基因的转录调控中起着重要作用,识别顺式调控模块是当前计算生物学的一个重要课题.虽然当前有许多计算方法用于识别顺式调控模块,但识别准确率仍有待进一步提高.将顺式调控模块的多种特征信息结合在一起,有助于提高识别顺式调控模块的准确率.基于此,本文提出了一种识别顺式调控模块的算法SegHMC（Segmental HMM model for discovery of cis-regulatory module）.该算法建立了一种关于顺式调控模块识别问题的Segmental HMM模型,进一步扩展了顺式调控模块调控结构（或调控语法）的表示,不仅将顺式调控模块表示为模体（Motif）的组合,还进一步将模体共同出现的频率、模体顺序偏好以及顺式调控模块中相邻模体间的距离分布等特征引入到顺式调控模块的调控语法中.在模拟数据集和真实生物数据集上的实验结果表明,本文方法识别顺式调控模块的准确率显著优于当前的主要方法.     

基于复合特征向量提取的隐马尔可夫实时人脸识别算法

实现了基于隐马尔可夫复合特征向量快速提取人脸识别的算法.用差分算法对实时采集到的每一帧图像快速定位到人脸区域,然后对人脸区域的数据进行规一化,并对原始图像进行DCT变换和灰度变换,以变换后的结果作为特征值对其聚类后作为隐马尔可夫模型(HMM)的观察向量,再对样本训练,训练结果制成特征脸模版存入模版库.最后通过模版对实时采集到的图像进行人脸识别.实验结果表明:该算法对复杂背景中的人脸识别具有实时性、准确性和可靠性.