基于层叠条件随机场的中文病历命名实体识别

提出了一种基于层叠条件随机场的中文病历命名实体识别新方法,该方法在第一层条件随机场模型中实现对病历中身体基本部位或组织和基本疾病名称的识别,将识别结果传递到第二层条件随机场模型(Conditional Random Field,CRF),同时定义一个由词性和实体特征结合而成的组合特征,与字符特征、词边界特征及上下文特征共同作为第二层CRF模型的特征集,为疾病名称和临床症状两类命名实体的识别提供决策支持。在利用CRF++进行的开放测试中,本文模型相比于无自定义组合特征的层叠CRF模型,F值提高了3%;相比于单层CRF模型,F值提高了7%,总体性能有显著提高。     

人体行为识别的条件随机场方法

针对人体行为的时变性,提取人体运动的侧影序列作为描述行为的特征。利用条件随机场方法建立人体行为模型,并通过序列数据的标记解决行为识别问题。该方法特征提取简单,针对运动状态序列而非单帧图像进行建模,提高了识别准确率;同时对数据没有条件独立性假设,具有更加广泛的适用性。在视频行为数据库KTH上的测试结果表明:条件随机场优于隐马尔可夫模型和支持向量机,相对于已有方法更加简单易用,且识别准确率高于其他方法。     

基于条件随机场的驾驶行为识别研究

为深入研究驾驶员驾驶行为特性,减少驾驶辅助系统与驾驶员的控制冲突,本文基于条件随机场(conditional random field,CRF)算法,搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统,搭建车道保持辅助控制试验平台,在试验平台上进行相关参数的实时采集,并根据采集到的数据特性,提出一种根据横向位移对驾驶行为数据进行分段的方法,将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时,对实时获取的参数进行显著性分析,将与横向运动密切相关的五种参数作为观测参数,对驾驶行为进行识别。研究结果表明,车道保持、左换道以及右换道行为的识别率分别达94.2%,93%和84.4%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。     

条件随机场模型在韵律结构预测中的应用

为提高中文语音合成的自然度,对文本的韵律结构体系进行研究,并提出一种基于条件随机场(CRF)的韵律结构预测方法. 从一个大规模人工标注的语料库中,选取由机器生成的分词标注特征和分级的韵律边界信息,利用CRF算法进行机器学习产生韵律词和韵律短语的CRF模型,并用于韵律结构的预测中. 实验结果表明,韵律词和韵律短语的F-score分别达到90.67%和80.05%,相比于基于最大熵(ME)模型的韵律结构预测方法分别提高了3.62%和5.65%,同时准确率和召回率也有较大提高.     

一种基于Markov随机场的图像分割方法

提出一种基于Markov随机场图像分割方法。在K-Means图像分割的基础上,建立标记场和特征场,构造Markov随机场模型,再利用条件迭代模型（ICM）算法逐点更新图像标记,实现图像的最大后验概率（MAP）估计,从而实现图像的有效分割。实验结果表明,该方法比直接采用Markov方法有着更好的分割效果。     

基于全连接条件随机场的图像语义分割算法研究

对于视觉场景的理解是机器人在未知环境中进行有目的的行动的一项重要能力,图像语义分割能够有效地帮助机器人理解周围场景的语义特性.条件随机场(Conditional Random Field,CRF)是解决语义分割问题的一个重要框架.针对传统条件随机场相邻节点数过于稀疏的局限性,研究了具有稀疏高阶势CRF的图像语义分割算法,提出一种高阶CRF的二次规划(quadratic programming,QP)松弛推理算法.首先,使用来自TextonBoost的一元势、高斯二元势以及由Pn-Potts模型推导得到的高阶势建立能量函数,然后利用高效的QP松弛推理算法来解决高阶CRF的能量最小化问题,最后采用Pascal VOC2012公开数据集进行实验,验证算法的可行性与有效性.实验证明,该算法有效地克服了传统条件随机场局限性,获得了更好的语义分割结果.     

基于高斯-马尔可夫随机场模型的图像修补方法研究

实现基于高斯马尔可夫随机场(GMRF)模型的图像修补算法,详细讨论像素扫描顺序以及邻域大小对图像修补效果的影响.实验表明,基于GMRF的图像修补算法的性能依赖于像素扫描顺序和邻域大小的选取.     

基于多层马尔科夫随机场模型的变化检测

提出了一种基于多层马尔科夫随机场模型的变化检测方法.首先输入的多个特征通过模拟退火方法得到对应每个特征的初步检测结果,然后利用多层马尔科夫随机场将初步检测结果进行融合.最后对图像进行目标级分割并与像素级变化检测结果相结合,根据各个目标的变化率给出了最终的变化检测.文章提出的方法运用多层马尔科夫随机场融合方法充分考虑了相邻像素间的相关性和各层之间的联系,并从目标角度进行了变化率的分析,使得融合结果更细致和精确.     

二维随机场离散的局部平均法

随机场离散是随机有限元分析中的一个基本问题,由于局部平均法计算列式简单,精度高,而且需要随机场原始数据较少,因此随机场离散多采用局部平均法。给出了矩形单元和任意四边形单元局部平均随机场的二阶统计特性的计算方法,并以一平稳随机场为例,分析了相关函数、方差函数、相关尺度对协方差计算结果的影响,同时研究了采用高斯积分计算任意四边形单元局部平均随机场协方差的精度。     

彩色图像的马尔可夫随机场恢复算法

提出了一种基于多色彩通道相关性的退化彩色图像恢复算法.该算法利用马尔可夫随机场(MRF)作为彩色图像恢复的先验概率分布模型,在模型中采用8-邻域的线过程来表征和提取多色彩通道间的相关性.针对模型求解时采用经典模拟退火算法的时间复杂性太高,采用改进次优模拟退火算法对彩色图像进行快速恢复.实验结果表明,该算法能够用于退化彩色图像的快速恢复,且能很好地避免色彩混迭,提高退化彩色图像的恢复质量.     

基于隐马尔可夫随机场的细胞分割方法

为了提高细胞聚合、粘连区域的分割准确性,本文提出一种基于空间聚类和隐马尔可夫随机场的两级分割算法。以像素点颜色特征为依据,在Lab色彩空间中采用k-means++聚类方法得到初始化标签集;通过HMRF构建细胞图像的空间表达模型,充分利用空间约束关系,减少孤立点影响,平滑分割区域;采用期望最大值算法优化模型参数,利用标记场和观测场的相互作用,通过迭代算法不断调整标签集合,迭代直至收敛得到全局最优值。对来自于骨髓涂片的61幅细胞图像中的780个6类细胞的实验表明,本文算法提高了分割的准确率(不小于95%),便于进一步提取细胞病理特征,实现检测识别。     

随机场回归系数的最小二乘估计

论述了随机场回归系数的最小二乘估计，其中包括格子点随机场回归系数的最小二乘估计、连续参数平稳过程回归系数的最小二乘估计、连续参数向量随机场回归系数的最小二乘估计．     

分组M-正交随机场的强极限定理

利用M-正交序列的最大值矩不等式及求和法,在适当的条件下,给出分组M-正交随机场的强极限定理.它是独立情形的推广.     

随机场回归系数的最小二乘估计

论述了随机场回归系数的最小二乘估计，其中包括格子点随机场回归系数的最小二乘估计、连续参数平稳过程回归系数的最小二乘估计、连续参数向量随机场回归系数的最小二乘估计．     

向量随机场回归分析的研究

为了更好地反映回归分析所代表模型的实际意义,应用连续参数随机向量场等相关理论,分析了回归系数的最小二乘估计,对所得估计的方差阵求出其渐进表示.     

随机场理论在随机结构分析中的应用

本文首先介绍了随机场理论的基本概念，并简单讨论了随机场向随机变量转化时的转化精度问题，以及相关结构谱分解理论中谱截断的影响。将随机场理论引入到随机结构分析中，从而在保证精度条件下可以降低结构分析的计算工作量     

基于马尔科夫随机场的三维激光雷达路面实时分割

针对多类型场景下三维激光雷达地面高准确性实时提取问题,提出一种基于马尔科夫随机场的路面分割算法.算法对三维点云进行滤波和位姿修正,采用基于最大模糊线段法对每条激光雷达扫描线在x-y平面上的投影进行分割,使用角点检测准确定位每条线段端点.利用原始雷达数据结构信息,建立以线段为节点的无向图马尔科夫随机场,通过分析线段长度、相邻线段间的距离、梯度以及垂直高度差等特征,构建能量方程,用图分割的方法求出最优解,并将线段标记为2类:地面区域和障碍区域.分别在城市平坦路面和乡村起伏道路场景下进行实验,结果表明:与现有算法相比,本算法地面提取准确率更高,在颠簸的乡村道路区域具有更高的稳定性.