基于隐反馈的类时齐Markov推荐模型

传统Markov链模型在用户浏览行为预测方面体现出较好的性能,但不能很好的体现出用户的兴趣度和所推荐的页面的重要性,因此本文提出类时齐Markov模型.该模型给不同的类别用户单独创建时齐Markov模型,并用时齐Markov模型的平稳分布表征用户的访问兴趣和页面的重要程度.本文进而提出了基于隐反馈的类时齐Markov推荐模型,在真实的WEB服务器日志数据上的实验证明,类时齐Markov模型具有更好的推荐性能.     

基于用户浏览行为的个性化教学系统

网络教育已成为现代教育技术主流的发展方向。提出了二层树状结构模型,并在此基础上,设计了一个基于基于浏览行为的个性化推荐系统(BB IRS)。系统可以通过离线和在线方式对用户的访问日志和交互数据分别进行挖掘,并通过根据用户的浏览速度计算用户对页面的兴趣度,根据该兴趣度是否大于阈值,系统采用不同的推荐策略。     

基于隐马尔可夫模型的在线视频个性化推荐研究

基于隐马尔科夫模型的个性化推荐系统,通过对模型进行三个层级的推荐设计,采用逐层递进的方式来实现个性化推荐目标。并且每个推荐层级针对不同的用户群体。对目标用户的历史观看记录中存在的兴趣关键词加权处理,以及建立用户兴趣时间转移阈值,推荐给资深用户最可能感兴趣的在线视频内容的方法,完成资深用户的个性化推荐目标。     

一种基于稀疏矩阵划分的个性化推荐算法

文章提出稀疏矩阵划分的思想,对资源评分矩阵进行划分,缩小近邻搜索的范围和需要预测的资源数目,减少数据稀疏性,提高了个性化推荐算法的可扩展性。另外,分别讨论了采取分类和聚类的方法对稀疏矩阵进行划分。实验结果表明：基于稀疏矩阵划分的个性化推荐算法在算法性能上优于传统协同过滤算法。     

基于Web挖掘的个性化学习系统

随着Internet的深入发展和不断的普及,Web已经成为人们获取信息,进行学习的最重要的手段之一.但是,目前Web系统只为所有用户提供相同的服务,而Web用户的需求却千差万别,用户希望Web系统能够根据他们的不同特性提供个性化的服务.普通的学习系统已经不能适应他们的学习,不能体现他们的个性化.因此,根据他们的不同特性开发个性化的学习系统已变得相当重要.     

一种离散隐Markov模型参数的全局优化算法

隐Ｍａｒｋｏｖ模型的参数估计问题,是ＨＭＭ在语音处理应用中的关键问题。经典的Ｂａｕｍ＿Ｗｅｌｃｈ算法是基于最陡梯度下降的局部优化算法。ＨＭＭ模型的质量取决于初始模型的设计。解决这一问题的根本方法在于使算法具有随机性。本文结合随机松弛算法（ＳＲ）的全局搜索能力和Ｂａｕｍ＿Ｗｅｌｃｈ算法的局部优化性能,提出了一种离散隐Ｍａｒｋｏｖ模型参数的全局优化算法。该算法根据ＨＭＭ的参数对Ｐ（Ｏ）／λ的不同影响,     

个性化推荐系统用户兴趣建模方式的研究

用户兴趣模型是推荐系统产生个性化推荐的主要知识源，是实现个性化推荐的关键．针对用户兴趣进行建模是个性化推荐系统实现过程中的一个重要环节，本文从高校就业网站用户对象的特点出发，提出了一种将用户显性兴趣与隐性兴趣相结合的动态建模方法，此方法能有效的为用户对象进行推荐。     

基于XML个性化Web挖掘框架设计

针对Web挖掘中异构数据源和半结构化的特点,提出基于XML个性化Web挖掘框架模型实现用户兴趣数据的挖掘。分析模型的工作流程,重点讨论实现该模型的关键技术:XML文档统一模型、Web内容预处理模块和Web内容挖掘模块。     

基于用户模型的个性化推荐系统影响研究

个性化推荐技术是当前研究热点之一。文章首先对常见推荐技术进行分析,再从基于内容的推荐技术、协同过滤推荐技术以及对推荐结果的解释等三个方面进行分析,然后提出用户模型是个性化推荐技术的基础,最后指出提高用户模型的质量是提高推荐系统的重要途径。     

基于改进的混合模式个性化选课推荐技术研究

针对高等学校学生选课系统中存在的缺乏个性化课程推荐、选课效率较低的问题,通过对个性化推荐技术的分析研究,提出了基于内容、项目及用户属性的改进混合模式算法,并将该算法应用到选课系统中,用MACE数据集对算法进行验证。结果表明,该算法解决了个性化推荐技术中的冷启动问题,相关指标有明显提高,实现了课程与新课程的个性化推荐,并减少了选课的盲目性。     

针对时间序列多步预测的聚类隐马尔科夫模型

时间序列的预测在现今社会各个领域中有着广泛的应用.本文针对时间序列趋势预测中的多步预测问题,提出了基于聚类的隐马尔科夫模型,利用隐马尔科夫模型中的隐状态来表示产生时间序列数据时的系统内部状态,实现对多步时间序列的预测.针对时间序列聚类中的距离计算问题,提出结合时间序列时间性和相似性的聚类算法,并给出了迭代精化基于聚类的隐马尔科夫模型的方法.实验表明,本文提出的方法在时间序列多步预测中精度较高.     

Hidden Markov modeling and macroscopic traffic filtering supporting location‐based services

In this study, we present a technique that combines pattern recognition techniques with cellular signaling measurements and more precisely information extracted from Abis air interface in GSM network. The pattern recognition is applied to measurement reports that mobile terminal (MT) sends to its serving base station (BS). Modeling of these reports is performed by hidden Markov model (HMM) while employing clustering large applications (CLARA) as clustering method. The accurate results during MT velocity estimation located inside a probe vehicle show the potential of the method when applied to large scale of MTs in order to estimate basic parameters for road traffic. Copyright © 2006 John Wiley & Sons, Ltd.     

Human Activity Recognition Using Body Joint‐Angle Features and Hidden Markov Model

This paper presents a novel approach for human activity recognition (HAR) using the joint angles from a 3D model of a human body. Unlike conventional approaches in which the joint angles are computed from inverse kinematic analysis of the optical marker positions captured with multiple cameras, our approach utilizes the body joint angles estimated directly from time‐series activity images acquired with a single stereo camera by co‐registering a 3D body model to the stereo information. The estimated joint‐angle features are then mapped into codewords to generate discrete symbols for a hidden Markov model (HMM) of each activity. With these symbols, each activity is trained through the HMM, and later, all the trained HMMs are used for activity recognition. The performance of our joint‐angle–based HAR has been compared to that of a conventional binary and depth silhouette‐based HAR, producing significantly better results in the recognition rate, especially for the activities that are not discernible with the conventional approaches.     

一种基于隐马尔可夫模型的IDS异常检测新方法

提出一种新的基于隐马尔可夫模型的异常检测方法,主要用于以shell命令或系统调用为原始数据的IDS。此方法对用户(或程序)行为建立特殊的隐马尔可夫模型,根据行为模式所对应的序列长度对其进行分类,将行为模式类型同隐马尔可夫模型的状态联系在一起,并引入一个附加状态。由于模型中各状态对应的观测值集合互不相交,模型训练中采用了运算量较小的的序列匹配方法,与传统的Baum-Welch算法相比,大大减小了训练时间。根据模型中状态的实际含义,采用了基于状态序列出现概率的判决准则。利用UNIX平台上用户shell命令数据进行的实验表明,此方法具有很高的检测准确性,其可操作性也优于同类方法。     

Human recognition system for outdoor videos using Hidden Markov model

Human recognition is an essential requirement for human-centric surveillance, activity recognition, gait recognition etc. Inaccurate recognition of humans in such applications may leads to false alarm and unnecessary computation. In the proposed work a robust background modeling algorithm using fuzzy logic is used to detect foreground objects. Three distinct features are extracted from the contours of detected objects. An unique aggregated feature vector is formed using a fuzzy inference system by aggregating three feature vectors. To minimize computation in recognition using Hidden Markov model (HMM), the length of final feature vector is reduced using vector quantization. The proposed method is explained using five basic phases; background modeling and foreground object detection, features extraction, aggregated feature vector calculation, vector quantization, and recognition using Hidden Markov model.     

Comparison of Khasi Speech Representations with Different Spectral Features and Hidden Markov States

In this paper, we present a comparison of Khasi speech representations with four different spectral features and novel extension towards the development of Khasi speech corpora. These four features include linear predictive coding (LPC), linear prediction cepstrum coefficient (LPCC), perceptual linear prediction (PLP), and Mel frequency cepstral coefficient (MFCC). The 10-hour speech data were used for training and 3-hour data for testing. For each spectral feature, different hidden Markov model (HMM) based recognizers with variations in HMM states and different Gaussian mixture models (GMMs) were built. The performance was evaluated by using the word error rate (WER). The experimental results show that MFCC provides a better representation for Khasi speech compared with the other three spectral features.     

基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法

本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法。该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL（Kullback-Lerbler）信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度。在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度。通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性。     

基于隐马尔科夫模型的CPM信号盲Turbo均衡算法

针对高阶连续相位调制信号(CPM)盲均衡中存在的均衡性能较差以及不容易收敛等问题,从隐马尔科夫模型(HMM)的角度出发,建立一种新的EM-SOVA信道盲均衡方法,并结合Turbo均衡思想,提出了一种适用于高阶CPM信号的盲Turbo均衡算法。该算法通过将SOVA内嵌到EM算法的迭代过程中,有效改善了信道均衡效果,同时使用Turbo均衡的软信息迭代处理来进一步提高低信噪比条件下系统性能。理论分析和仿真结果表明,所提算法具有良好的盲均衡性能以及收敛性。     

分步式短脉冲激光时间分布特征快速识别模型构建

短脉冲激光中时间分布特征会对光束调节产生一定影响,降低其超分辨率,为提高激光测量系统识别精度,构建分步式短脉冲激光时间分布特征快速识别模型.针对脉冲在传输过程中出现畸变的现象,利用傅里叶变换做时频信号转换,得出脉冲传输规律;通过对激光工作物质储能的调节,确保光源质量,采用CCD测量方法获取空间载波条纹图像,从条纹周期中...