一种改进的高斯混合模型算法

建立声学模型是说话人识别技术的重要环节，一种好的建模方法对说话人识别系统的识别率具有极其重大的影响。本文介绍了一种改进的高斯混合模型算法——将聚类算法与传统高斯混合模型结合起来的建模方法，并对此种建模方法得出的识别效果与传统的高斯混合模型进行了比较。从对比结果可以看出，基于聚类的高斯混合模型的说话人识别相对于传统的高斯混合模型在识别率上有所提高。     

一种基于高斯混合模型的无监督粗糙聚类方法

针对数据统计分布的随机性和复杂性,从统计聚类的角度出发,采用高斯混合模型来描述整个数据的概率密度函数,提出了一种基于高斯混合模型的粗糙聚类分析方法.该方法首先利用粗糙集理论的不可区分关系性质以及生成的逻辑规则来设定EM算法的初始近似参数,然后通过Expectation-M axim ization(EM)算法估计各分量概率密度分布的最大似然参数集,最后通过密度分布概率大小来确定类别的归属.与传统的k-m eans聚类算法的试验结果比较表明,该方法是有效的,并且具有较高的聚类精度,用规则集来描述聚类的结果具有可解释性和合理性.     

基于改进的高斯混合模型算法的说话人识别

高斯混合模型（GMM）已广泛运用于文本无关的说话人识别系统中,该方法具有简单高效的特点。在使用EM算法训练GMM时,GMM模型的初始化参数必须首先确定。本文采用改进后的模糊C均值聚类（FCM）方法将特征矢量归为与混合数相等的各个类中,然后计算参数作为初始值。实验表明,此训练方法能够获得更优的模型参数且识别率有较大的提高。     

一种基于相空间高斯混合模型的测井相识别方法

油层测井相识别是油田开发的重要依据.油层的测井相类别如果发生误判,将会影响它和邻井对应油层之间的连通对比关系的判断,造成开采方案的失败.测井相的类间差异小,领域知识要求高,属于难度较大的模式识别问题.在研究了混沌建模的基本方法后,给出了一种基于相空间高斯混合模型的测井相识别方法.对每类训练样本形成一个重构相空间,用EM算法学习得到一个高斯混合模型,待识序列按其属于不同类别的高斯混合模型的条件概率进行分类.该方法可以对不规则样本的形态参数进行估计,从而提高测井相的识别精度.实验结果证明了该方法的有效性.     

基于高斯混合模型的列车随机振动加速度响应最大值分布统计分析

为可靠地评估列车运行的安全性与平稳性,基于多体动力学理论和概率统计方法,对随机轨道不平顺激励作用下列车加速度响应最大值的分布规律进行分析.采用多体动力学软件Simpack建立列车轨道耦合模型,通过三角级数法模拟得到轨道不平顺作为随机输入激励,基于Monte-Carlo方法计算得到列车在行驶过程中加速度响应的样本序列.将...     

一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。     

基于改进混合高斯模型的背景提取与更新

针对序列图像背景提取不能正确地处理场景突变、实时性差等问题,本文提出了改变更新率的背景提取算法. 首先,对传统混合高斯模型进行了简化,其次对像素点划分区域,在不同区域采用不同的背景更新率,有选择性地进行背景更新. 实验结果表明,该方法提高了提取背景模型的实时性和精度.     

基于高斯混合模型的自适应隐写安全性分析

信息隐藏安全性研究可用以指导隐写算法设计,对信息隐藏来讲具有重要的意义。近年来,为了提高算法的安全性,自适应隐写算法层出不穷,但自适应隐写算法安全性的理论研究并未同步展开。以自然图像的高斯混合模型为基础,论证了在图像复杂度不同的区域采用不同嵌入率的自适应隐写算法的安全性高于非自适应隐写算法,并对论证结果的实际意义进行了分析,得出几点对隐写算法参数设计及图像载体的选择具有指导意义的结论。     

改进的混合高斯自适应背景模型

混合高斯背景模型是背景建模领域最常用的构建算法,针对该方法在实际应用中的缺陷,提出了2点改进措施:像素过滤方法和按背景演变过程进行划分的自适应学习率方法.像素过滤方法记录某点像素值在一个短时间段内的变化情况,对其进行统计分析,根据均值和方差过滤掉快速运动目标的动态干扰像素,增强算法的鲁棒性;新的自适应学习率方法将背景的形成过程划分为4个阶段,对不同的阶段使用不同的学习率,加速背景的形成和消退.应用改进后的算法在两段街道监控视频中同原算法进行了对比实验.实验结果表明,改进方法在视觉效果上有着显著提高,背景形成迅速、清晰.改进方法增强了算法的抗干扰能力,提高了背景的形成和切换速度,可以作为基础算法应用于相关视觉处理之中.     

基于改进的高斯混合模型脑ＭＲ图像分割

MR图像中常含有偏移场以及噪声现象,传统的高斯混合模型无法得到正确的分类.在高斯混合模型目标函数中加入偏移场估计与噪声去除,完善其分类效果,使分类结果较好地克服偏移场和噪声影响.实验表明,该算法在得到较准确的分类结果的同时还能很好地估计偏移场.     

An efficient approach for shadow detection based on Gaussian mixture model

An efficient approach was proposed for discriminating shadows from moving objects. In the background subtraction stage, moving objects were extracted. Then, the initial classification for moving shadow pixels and foreground object pixels was performed by using color invariant features. In the shadow model learning stage, instead of a single Gaussian distribution, it was assumed that the density function computed on the values of chromaticity difference or bright difference, can be modeled as a mixture of Gaussian consisting of two density functions. Meanwhile, the Gaussian parameter estimation was performed by using EM algorithm. The estimates were used to obtain shadow mask according to two constraints. Finally, experiments were carried out. The visual experiment results confirm the effectiveness of proposed method. Quantitative results in terms of the shadow detection rate and the shadow discrimination rate（the maximum values are 85.79% and 97.56%, respectively） show that the proposed approach achieves a satisfying result with post-processing step.     

基于快速的混合高斯模型的运动目标检测算法

针对传统高斯模型实时性差的问题,该文提出了一种快速的背景更新策略.首先对彩色图像建立混合高斯模型,根据场景中象素点的稳定性来调整模型参数的更新速度;其次利用混合颜色空间的阴影检测算法消除前景图像的运动阴影;最后对该文方法进行了验证性实验,结果表明提出的运动目标检测方法有效、实时性好、对光照有较强鲁棒性.     

基于正交高斯混合模型的说话人识别研究

本文介绍了正交高斯混合模型（OGMM）及其在说话人识别中的具体应用。传统的高斯混合模型（GMM）常常假定协方差矩阵为对角线矩阵，但需大量的混合成来表征分布情况，这将会导致训练量的增加。OGMM的主要思想是传统的GMM之前先将特征矢量变换到由协方差矩阵的本征向量决定的空间中去，这样得到的对角线协方差矩阵可以更准确地反映分布的情况。基于OGMM的说话人识别实验表明该算法在说话人识别方面比传统的GMM算法有更好的效果并具有良好的应用前景。     

基于高斯混合模型的音乐情绪四分类研究

针对音乐情感复杂难以归类的问题,提出了一种在四分类坐标下建立高斯混合模型进行音乐信号归类的研究方法。在建立模型的基础上,创新地为表示情绪特性的轴两端建立模型使其转换成二层分类器进行加权判别。结果表明,为表示情绪特性的轴建立模型且权值分配在0.7和0.3的条件下,音乐的分类工作可以取得最优结果,其结果明显优于直接为每类情绪建立模型的结果。     

基于高斯混合模型的轨迹模仿学习表征参数优化

针对高斯混合模型(Gaussian mixture model,GMM)参数选取效率较低的问题,提出了一种在基于GMM的轨迹模仿学习表征中综合求解GMM参数估计的方法.该方法基于多中心聚类算法中的最大最小距离算法改进kmeans算法,得到最优初始聚类中心,并基于贝叶斯信息准则(Bayesian information criterion,BIC)通过遗传算法优化求解,同时获取GMM的4个重要参数.该方法通过提高划分初始数据集的效率,在优化初始聚类中心基础上确定混合模型个数,有效地避免了因为初值敏感而导致的局部极值问题.通过多组仿真实验验证了该方法的有效性.     

基于高斯混合模型和canny算法的运动目标检测

提出一种基于高斯混合模型和canny算法的运动目标检测算法.利用高斯混合模型计算像素之间的颜色信息,同时利用高斯混合模型更新背景信息;用canny算子提取图像的边缘信息;将颜色信息和区域结构信息线性融合起来,较好地解决了边缘信息明显的运动目标检测.实验中采用改进的加权高斯模型及传统的canny算法相结合.结果表明,本文...     

结合三帧差分法和混合高斯模型的运动目标检测

鉴于传统的三帧差分法(TFDM)在检测结果上有检测目标不完整的问题,提出了一种将TFDM与混合高斯模型(GMM)相结合的运动目标检测方法(TFDMGMM算法)。该方法用多个GMM的加权表示每一个背景像素,再结合TFDM判别是前景还是背景。实验结果表明,与单独的TFDM和GMM算法相比,既能得到相对完整的运动目标,又能减小噪声等外部干扰带来的影响。     

基于混合高斯模型的背景差分法的FPGA实现

针对视频中运动目标检测实时性问题,提出了一种基于混合高斯模型的背景差分法的FPGA实现方法.背景差分算法是运动检测算法中最常用的方法,该算法首先对实时得到的图像序列进行建模,得到运动场景的背景模型.然后在运动目标分割中及时的根据场景变化更新背景.考虑到实时性要求的高帧率、高分辨率视频分割任务,利用FPGA并行处理和硬件实现的优点,对混合高斯模型进行修改来对它进行定制,以适合于硬件实现.最后,通过在FPGA开发平台进行了仿真实现,结果验证了算法在硬件实现的正确性,以及在实时性能上的提高.