基于电话用户交换机的语音识别系统研究

本论文对电话用户交换机研制了一个声控语音命令交换系统,该系统能够实现与特定人无关中小词汇量连续命令语音自动识别,研究中统计了用和命令语句,生成相应识别文法网络,识别系统的训练采用由子词模型构成的复合模型进行强化训练,识别采用令牌传递式改进Ｖｉｔｅｒｂｉ算法,提高系统的识别性能,论文比较了不同语音特征参数以及隐含马尔可夫模型状态数对电话语音识别精度的影响,研究中还开发识别系统拒识系统,在无拒识情况下     

GMD-SDDBHMM语音识别模型和分类训练方法

本文将混合高斯分布应用于一种非齐次隐含马尔可夫模型——简化的基于段长分布的隐含马尔可夫模型。新模型使语音识别率得到了改善。由于通常的模型训练方法训练时间太长，本文提出了一种分类训练方法，在不降低最终模型性能的前提下，使训练可以分布式完成。     

基于隐含马尔可夫模型网络的视频识别方法

提出用隐含马尔可夫模型网络（Hidden Markov Model Networks）描述和识别短视频序列（如广告视频）。实验结果表明,该方法不仅对转码产生的图像质量鲁棒性好,而且可以很好识别截短的视频序列。     

汉语连续语音识别中多项式拟合语音轨迹模型的研究

尽管作为当前最为流行的语音识别模型, HMM由于采用状态输出独立同分布假设,忽略了对语音轨迹动态特性的描述.本文基于一个更为灵活的语音描述统计框架—广义DDBHMM,提出了一个具体的多项式拟合语音轨迹模型,以及新的训练和识别算法,更好地刻划了真实的语音特性.本文还给出了一种有效的剪枝算法,得到一个实用化模型.汉语大词汇量非特定人连续语音识别的实验表明,这种剪枝的多项式拟合语音轨迹模型以较少的计算量明显改善了识别系统的性能.     

基于PCANN/HMM混合结构的语音识别方法

本文提出了一种基于PCANN/HMM混合结构的语音识别方法,它采用相继几帧组成的特征参数矢量作为语音识别HMM的输入,能有效地在语音识别HMM中引入帧间相关信息,同时为了改善多帧特征输入HMM的输出概率密度函数性能,在HMM的前端增加语音参数压缩的主分量分析神经网络(PCANN).通过对多讲者汉语连续语音识别实验,证实了本文提出方法的有效性.     

基于KL鉴别信息的语音识别粗分类

本文用修正的隐Markov模型的KL鉴别信息作为失真测度进行语音识别粗分类。文中证明了分类方法的可行性,给出了分类算法,实验研究了分类的正确率与子集间交叠率的关系。     

基于轨迹分析的交通目标异常行为识别

针对交通监控中运动目标的异常行为识别问题,提出一种基于轨迹分析的异常行为识别方法。首先,引入目标的空间位置、运动速度、运动方向和大小尺寸等特征参数对轨迹进行描述和聚类,以提高对目标轨迹的区分和识别能力;然后,提出一种行为识别数据库的建立和调用方法,并以实际交通场景为例,详细说明了数据库的建立和调用过程;最后,采用基于Bayes最优化的方法对轨迹进行联合匹配和边缘匹配,并根据匹配情况调用行为识别数据库对目标行为进行识别。实验结果表明,该方法切实有效,具有一定的实际应用价值。     

基于实时交通状况和自适应像素分割的运动车辆检测

车辆检测是车辆识别和跟踪的重要前提.为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题,本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法.该算法采用多帧间隔图像建立初始背景模型,提出基于时-空变化度的背景区域变化评价方法,并基于时-空变化度制订了自适应的学习率更新策略.通过设置一个信任区间,并根据当...     

基于轨迹分析的异常行为识别与管控研究

人类行为识别是模式识别领域的一个重要研究方向,是综合了计算机视觉与机器学习的多领域学科。而异常行为的识别与管控,因为其行为主体与行为模式的复杂性,是人类行为识别领域中的重点与难点。本文采用了一种新的运动目标轨迹提取算法,通过计算轨迹的特征向量,采用词袋模型进行建模,再把提取到的特征投入到支持向量机SVM(Support Vector Machine)中进行学习。我们在国际标准暴力行为视频数据库Hocky Fights上实现了实验仿真,获得了很好的识别分类效果。监狱内罪犯的暴力行为的识别将是我们下一步研究的重点。     

基于雷达和图像融合的3D车辆定位与识别

本文针对三维车辆的定位和识别问题,提出了一种融合雷达和图像信息的新方法.结合雷达的滤波信息和图像的灰度信息建立视觉窗口,确定车辆的平移参数,并缩小了图像处理区域,降低了环境噪声.以改进的Hausdorff距离为依据建立目标的姿态评价函数,通过全局寻优确定车辆的旋转参数,降低了计算损耗,避免了噪声点对模型匹配的影响.车辆识别以定位技术为基础,各模型在最优姿态下的评价函数值决定了车辆的类型.三维仿真场景实验证明,该方法能有效地实现车辆的定位与识别.     

基于隐马尔可夫模型的风险评估方法

针对网络攻击场景下一段时间内信息系统面临的安全风险,文中提出一种基于隐马尔可夫模型的风险评估方法,将网络主机的漏洞建模为隐马尔可夫模型中的状态,将可能受到的攻击建模为隐马尔可夫模型中的观察值,求解一段时间内的成功攻击概率;根据攻击成功后产生的代价和成功攻击的概率,得到时间段内总风险度量值。该方法可从整体角度对网络攻击场景下一段时间内的信息安全风险进行量化评估。     

基于大数据分析的智能交通系统

大数据发展至今,已为众人所知,被众多行业和企业所用。尤其在天文、气象、医疗健康等领域已取得较好的应用价值。我国是汽车大国,快速发展的汽车行业也随之带来了城市交通拥堵和污染严重等诸多问题。如何将汽车与大数据有效的融合,通过大数据为政府决策提供数据支撑,为智能交通做贡献。     

基于HMM的分布式拒绝服务攻击检测方法

文章根据分布式拒绝服务攻击（DDoS）的本质特点，提出了一种基于隐马尔可夫模型（HMM）的DDoS攻击检测方法。该方法通过IP地址信息库．保存当前常用服务的源IP地址，然后对新到数据包的IP地址用HMM建模。通过离线训练，更新IP地址信息库，优化HMM参数。在线检测时，IP地址信息库在线学习更新，HMM实时检测．并根据检测结果通过边界路由器进行积极响应。实验结果显示，该方法具有很好的检测效果，并能及时响应，保持常用服务的延续性。     

Gait phase analysis based on a Hidden Markov Model

For effective gait rehabilitation treatments, the status of a patient’s gait needs to be analyzed precisely. Since the gait motions are cyclic with several gait phases, the gait motions can be analyzed by gait phases. In this paper, a Hidden Markov Model (HMM) is applied to analyze the gait phases in the gait motions. Smart Shoes are utilized to obtain the ground reaction forces (GRFs) as observed data in the HMM. The posterior probabilities from the HMM are used to infer the gait phases, and the abnormal transition between gait phases are checked by the transition matrix. The proposed gait phase analysis methods have been applied to actual gait data, and the results show that the proposed methods have the potential of tools for diagnosing the status of a patient and evaluating a rehabilitation treatment.     

Mandarin tone recognition based on wavelet transform and hidden Markov modeling

This paper presents a method of tone recognition for Mandarin speech by using combination of wavelet transform and hidden Markov modeling techniques. A pitch detector based on singularity detection and multi-resolution analysis of wavelet transform is employed for estimation of pitch periods, and hidden Markov modeling with partition Gaussian mixtures probability density function is used for the tone recognition. The algorithm can provide recognition accuracy of 97.22% and 94.47% for speaker-dependent and speaker-independent tone recognition, respectively.     

Hidden Markov Modeling of Error Patterns and Soft Outputs for Simulation of Wideband CDMA Transmission Systems

In this paper, a Hidden Markov Modeling (HMM) technique for a fast and accurate simulation of bit errors and soft outputs in wireless communication systems is presented. HMMs with continuous probability distributions are considered. Soft outputs and bit errors are combined to error patterns. We focus on binary phase–shift keying (BPSK) modulation for direct–sequence spread spectrum (code–division multiple access, CDMA) transmission as proposed e.g. for the third generation wireless communication system UMTS (uplink for the frequency division duplex mode (FDD)). Comparisons of simulated bit error rates for HMM models and Rake receivers are shown for AWGN, flat fading, and vehicular channel conditions. In order to assess the ability of the HMM to describe the dynamical behaviour of the channel a comparison for transmission with interleaving and convolutional coding is presented. Furthermore calculated autocorrelation functions of the error patterns and error gap distributions corresponding to the Rake receiver and to the HMM, respectively, are presented. Our investigations show a strong dependence of the required HMM order on E_b/N₀ and the channel conditions. The degree of accordance of the HMM outputs and the training data is examined based on calculated statistical scoring indicators.     

基于隐式马尔科夫参数模型的图像消噪研究

针对隐式马尔科夫模型在图像消噪中的不足,采用参数求解方法.首先对参数模型三元组确定其限制条件,通过递归计算状态概率,通过最大似然估计来使期望最大化,期望最大化过程包括期望过程和最大化过程;在图像消噪中提取观察信号过程利用Kullback-Leibler距离设置其阈值,最终给出了参数解.实验仿真表明本文算法能够保持图像有用信息,执行速度快.     

基于隐马尔可夫模型的车牌自动识别技术

文中提出了一种车牌字符识别的新方法,用二维隐马尔可夫模型方法识别车牌中的汉字,用伪二维隐马尔可夫模型（P2D－HMM）方法识别车牌中的英文字符及阿拉伯数字。该算法适用于不同的字符大小、字符倾斜、污损等情况,抗噪声能力强。字符识别正确率达94％以上,满足实用技术的要求。     

An HMM based analysis framework for semantic video events

Semantic video analysis plays an important role in the field of machine intelligence and pattern recognition. In this paper, based on the Hidden Markov Model （HMM）, a semantic recognition framework on compressed videos is proposed to analyze the video events according to six low-level features. After the detailed analysis of video events, the pattern of global motion and five features in foreground-the principal parts of videos, are employed as the observations of the Hidden Markov Model to classify events in videos. The applications of the proposed framework in some video event detections demonstrate the promising success of the proposed framework on semantic video analysis.