基于HMM方法的动态手势识别技术的改进

为了提高基于HMM方法的动态手势识别的效率和准确性,针对HMM方法在训练手势中计算的高复杂性,提出了一种HMM算法和动态规划的算法相结合的方法,对HMM算法中的训练阶段进行了改进,增强了人机交互的准确性与实时性。     

ANN／HMM混合模型在语音识别中的应用

结合HMM较强的处理时间序列的能力以及ANN的学习能力强、识别速度快等特点提出了一种ANN／HMM混合模型,该模型具有较强的处理时问序列的能力。本文主要介绍了该模型的结构以及模型的训练算法。在此基础上将其应用于语音识别的建模,并通过相应实验验证了该模型的可行性。     

基于HMM的地形高度匹配算法

Terrain-aided navigation (TAN) uses terrain height variations under an aircraft to render the position estimate to bound the inertial navigation system (INS) error. This paper proposes a new terrain elevation matching(TEM) model, viz. Hidden-Markov-model(HMM) based TEM (HMMTEM) model. With the given model, an HMMTEM algorithm using Viterbi algorithm is designed and implemented to estimate the position error in INS. The simulation results show that HMMTEM algorithm can better improve the positioning precision of autonomous navigation than SITAN algorithm.     

基于HMM的系统调用序列异常入侵检测

本文首先介绍了入侵检测的发展状况,接着用马尔可夫和BW算法进行建模;然后以系统调用执行迹这类常用的入侵检测数据为例,验证该模型的工作效果,最后将计算机仿真结果与其他检测方法进行了比较。通过实验和比较发现,基于HMM的系统调用序列的异常检测率比其他方法有明显的提高。     

基于混合二阶隐马尔可夫模型的基因结构预测

在基因预测时,待研究的生物序列中的残基(氨基酸或核甘酸)具有高度的相关性,因此,观测噪声和马尔可夫链不相互独立的条件下的混合隐马尔可夫模型比普通隐马尔可夫模型更适用于基因预测功能.介绍了一种基于混合二阶隐马尔可夫模型(HMM2)的基因识别系统,该系统的预测精度在在核苷酸和外显子水平上均与国外同类研究水平相当.     

基于HMM的京剧机构命名实体识别算法

针对机构命名实体识别效率低的问题,提出一种基于隐马尔科夫模型(HMM)的京剧机构命名实体识别算法.利用HMM模型标注文本切分结果的词性消除歧义,通过Viterbi算法计算某种分词结果所对应的可能性最大的词性序列.根据定制的名称识别规则,借助机构前缀词库、后缀词库获得机构名称左右边界,通过自动机算法识别语料中的机构命名实体,并将新词加载到分词词典中.针对京剧领域语料进行开放测试验证,结果表明,该算法的识别正确率可达到99％.     

一种改进的HMM训练算法及其在面部表情识别中的应用

本文讨论了最大模型距离准则,对原有最大模型距离准则函数做了合理的修正,并把它应用于隐马尔可夫模型的训练,重新推导了HMM的迭代公式,使得训练后的HMM具有更好的鉴别能力。把这种改进的HMM训练算法应用于面部表情识别,利用本文给出的改进光流算法提取面部表情特征向量序列,构建了基于改进的HMM算法和BP神经网络的面部表情混合分类器,通过实验表明识别率得到有效提高。     

基于变帧率训练的HMM汉语人名识别

本文针对语音识别中HMM模型需要大量训练,而在某些实际应用中不可能训练多次的问题,提出一种基于余弦整形变换的变帧率训练方法,并在人名声控拨号系统中进行实验,在训练一次的条件下,系统识别率提高4.2%。实验表明,该方法对解决语音识别系统中训练数据少的问题具有明显效果。     

利用遗传算法提高视频分形压缩编码搜索速度

提出了一种利用遗传算法（GA）提高视频分形压缩编码搜索速度的算法。这种基于遗传算法的视频分形压缩编码,改进了遗传算法中搜索空间的构造机理,结合运用合适的迭代函数系统（IFS）和仿射变换,从而缩短了压缩编码时间。并且视频的恢复质量略优于全搜索算法和传统的分形压缩算法。     

Deformed template matching by the Viterbi algorithm

We consider a template matching algorithm that aims to deform a given template and place it onto a target-image to match as many edges as possible. To simplify this optimization problem, we will introduce a particular class of deformations that makes the Viterbi Algorithm applicative. To be specific, we will show how to describe a deformation by a a state-sequence, and how to find the optimally deformed template by the Viterbi Algorithm.     

一种改进型HMM说话人识别算法

针对Baum—Welch算法依赖于初始值的选取而容易陷入局部最优解的问题,基于全局优化的思想,提出了一种改进的HMM语音识别算法。该算法将遗传算法应用到HMM模型训练中,得到了全局最优解。实验结果表明,所提出的算法使用有效,识别率显著提高。     

基于HMM/DTW两级结构的签名认证方法

提出一种基于HMM和DTW在线手写签名认证方法的改进方法。该方法使用签名关键点和关键点的特征值进行签名的状态划分和状态匹配,实现类内签名状态划分的一致性。并利用在线手写签名二维信息的DTW距离作为签名隐马尔科夫模型的状态观测值,构建二级签名隐马尔科夫模型认证框架进行签名认证,得到较好的认证效果。实验结果表明,认证的准确率能达到93%左右。     

Efficient Sequence Alignment with Side-Constraints by Cluster Tree Elimination

Aligning DNA and protein sequences is a core technique in molecular biology. Often, it is desirable to include partial prior knowledge and conditions in an alignment. Going beyond prior work, we aim at the integration of such side constraints in free combination into alignment algorithms. The most common and successful technique for efficient alignment algorithms is dynamic programming (DP). However, a weakness of DP is that one cannot include additional constraints without specifically tailoring a new DP algorithm. Here, we discuss a declarative approach that is based on constraint techniques and show how it can be extended by formulating additional knowledge as constraints. We take special care to obtain the efficiency of DP for sequence alignment. This is achieved by careful modeling and applying proper solving strategies. Finally, we apply our method to the scanning for RNA motifs in large sequences. This case study demonstrates how the new approach can be used in real biological problems. A prototypic implementation of the method is available at .     

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题：1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.     

基于段匹配差异观察值的HMM在线签名认证方法研究

提出一种用签名的分段差异值作为隐马尔可夫模型(HMM)观测值的在线签名认证应用方法。首先,采用双向后向合并DTW算法确定签名中关键点之间的对应关系。然后,采用经典DTW度量签名中各种细微的差异,用这些DTW差异值作为观测值训练HMM模型。将模型状态的意义定义为相似程度,将状态转移结构设定为全概率转移。在SVC2004签名数据库上,验证了该方法的有效性。     

基于多尺度特征的双层隐马尔可夫模型及其在行为识别中的应用

借鉴人类视觉感知所具有的多尺度、多分辨性的特性,针对智能视频监控系统的人体运动行为识别,提出了一种基于多尺度特征的双层隐马尔可夫模型.根据人体行为关键姿态数确定HMM的状态数目,发掘人体运动行为隐藏的多尺度结构间的关系,将运动轨迹和人体姿态边缘小波矩2个不同尺度特征应用于2层HMM,提供更为丰富的行为尺度间的相关信息.分别用Weizmann人体行为数据库和自行拍摄的室内视频,对人体运动行为识别进行仿真实验,结果表明,五状态HMM模型更符合人体运动行为特点,基于多尺度特征的五状态双层隐马尔可夫模型具有较高的识别率.     

一种基于签名分段和HMM 的离线中文签名验证方法

离线中文签名的自动验证是一个极其复杂的问题,其困难主要在于难以建立能够容忍类内偏移同时对类间区别相对敏感的签名模型. 借鉴离线中文识别系统中笔划提取的成功经验,同时结合签名验证自身的特点提出了一个计算更简单、鲁棒性更高的签名分段方法. 对每个分段提取一个六维的特征矢量,按特征矢量的分量在物理意义上的区别将特征矢量分为两组分别进行矢量量化,以得到观测值序列. 用每个签名个体的12 个真实签名进行训练得到该签名个体的模型. 实验中使用了 4576 个测试签名进行验证,得到了交叉错误率为5.5% 的较好结果.     

利用HMM提取连续语音中的口型信息

本文主要研究利用改进的HMM模型从非特定人的连续语音中识别出声母、韵母,以及每个音的持续时间,提出了这些语音信息与嘴巴的扩张程度、嘴型和持续时间等口型信息的关系,以便把它们传送给步进电机,(以驱动实物模型。     

基于HMM和SVM的环境声音分类

提出了一种利用隐马尔可夫模型和支持向量机作为两级分类器的分类方法,实现对语音、杯碟碰撞声、开门和关门声、口哨声以及电话铃声五种环境声音的分类。对于采集和预处理后的环境声音信号,首先在第一级采用HMM模型进行初步分类,找出概率最大的两类,确定每种环境声音最有可能属于的类别,然后采用第二级SVM分类器作出进一步的判断。实验结果表明,相对于单独使用两者中任何一种作为分类器的分类方法,该方法对环境声音的识别具有更高的分类准确性。