基于HMM的中文旅游景点的识别

针对旅游领域,提出了一种基于隐马尔可夫模型（HMM）的旅游景点实体识别方法。该方法采用HMM学习算法,选取句子各态顺序遍历模型,结合词性特征和校正规则实现了旅游景点的自动识别。最后进行了旅游景点实体识别测试实验,结果表明所提方法取得了较好的效果。其中,开放测试识别准确率、召回率、F值分别达到了83.4％、95.7％、89.1％。     

基于隐马尔可夫模型的新闻视频挖掘技术

视频挖掘作为多媒体数据挖掘的典型代表,成为研究的热点.界定了视频挖掘的概念,以新闻视频挖掘为例,对视频挖掘的过程进行了具体分析.利用隐马尔可夫模型(HMM)对新闻数据库进行视频挖掘,根据模型建屯系统,通过实验证明对新闻视频中特征值的平均检测率可达82.3%.     

连笔手写识别搜索算法研究

该文提出了一种基于DP算法和隐马尔可夫模型的汉字手写体识别方法,通过提取整字特征和笔划特征来描述汉字特征信息,识别时,采用DP匹配算法,使得字库样本与待识样本的码列匹配关系是最优的,当出现连笔系统拒识时采用隐马尔可夫整字分类器,从而提高整体的识别效率。     

Identification of traffic object’s motion behavior based on track

To extract the track parameters of a traffic object in traffic video and identify its motion behavior,a new method is proposed based on CamShift(Continuously Adaptive Mean Shift)and HMM(Hidden Markov Model).First,an object entering the video scene is located and tracked by the CamShift based algorithm,then its track parameters are obtained.Next,the track parameters are processed to form the observation sequence of HMM,and the motion behavior modeling and probability evaluation are implemented based on HMM.At last,the behavior identification and behavior statistics of the tracked traffic object in video are achieved.Experiments show that this method can be used to sort and recognize the motion behavior of the traffic object by its corresponding behavior track,and to do some statistics or corresponding process schemes.     

一种语料缺乏条件下的藏语音素自动切分方法

藏语语音合成及语音学研究中,经常需要切分音素。人工切分费时费力,但是由于藏语语料缺乏,训练的藏语声学模型不够精确和鲁棒,自动切分的音素边界不够准确。以藏语拉萨方言为研究对象,在确定拉萨方言音素集、建立拉萨方言发音词典的基础上,通过计算音素模型间的距离,确定了拉萨方言和英语的共同音素,融合拉萨方言和英语GMM HMM模型,并自动判断语音中的静音和短时停顿,构造语音对应的词网络,查询发音词典,将词网络扩展为模型（音素）网络,使用Viterbi算法将每一帧特征参数对应到模型的每一个状态上,进而对音素进行切分。实验表明,切分效果要优于单纯的藏语模型方法。     

自适应数字滤波技术在光纤陀螺SINS中的应用

光纤陀螺捷联惯导系统(SINS)对外界环境极为敏感,系统的输出信号中含有复杂的高频随机噪声,此噪声将导致系统的长时间导航精度较差。要进一步提升导航系统的精度,必须使用更为有效的滤波技术对器件的输出噪声做处理。传统的数字滤波器采用先验固定截止频率,它往往与实际截止频率存在偏差。为了更加有效地消除器件的高频噪声,提出一种基于稳态隐马尔科夫模型卡尔曼滤波器(HMM/KF)的自适应数字滤波设计方法,并用此方法设计的自适应数字滤波器处理光纤陀螺的原始输出信号,从而高效滤除陀螺仪输出信号中的高频随机噪声。     

一种基于DSmT和HMM的序列飞机目标识别算法

针对姿态多变化的飞机自动目标识别中的低识别率问题, 提出了一种基于DSmT (Dezert-Smarandache theory)与隐马尔可夫模型(Hidden Markov model, HMM)的飞机多特征序列信息融合识别算法(Multiple features and sequential information fusion, MFSIF). 其创新性在于将单幅图像的多特征信息融合识别和序列图像信息融合识别进行有机结合.首先, 对图像进行二值化预处理, 并提取目标的Hu矩和轮廓局部奇异值特征; 然后, 利用概率神经网络(Probabilistic neural networks, PNN)构造基本信度赋值(Basic belief assignment, BBA); 接着, 利用DSmT对该图像的不同特征进行融合,从而获得HMM的观察值序列;再接着, 利用隐马尔可夫模型对飞机序列信息融合, 计算观察值序列与各隐马尔可夫模型之间的相似度, 从而实现姿态多变化的飞机目标自动识别;最后, 通过仿真实验, 验证了该算法在飞机姿态发生较大变化时, 依然可以获得较高的正确识别率,同时在实时性方面也可以满足飞机目标识别的要求. 另外, 在飞机序列发生连续遮挡帧数τ ≤ 6的情况下, 也具有较高的飞机目标正确识别率.     

基于隐性马尔可夫模型的手势识别设计和优化

新型的笔式交互技术要求能够高效地识别用户手势,适应用户的手绘风格。本文建立了基于隐形马尔可夫的手势识别模型,在此基础上提出了在重采样阶段的中点补偿方法和编码阶段的方向编码优化方法。实验结果表明该识别模型能以更精简的采样点数量表示手势并给出良好的识别结果,减少了模型训练的运算量。     

面向特征的ICA和HP滤波实现视频异常事件检测

针对室外环境下光照亮度变化、阴影和树木遮挡等问题,对利用隐马尔可夫模型进行视频异常事件检测的影响,提出基于独立分量分析（ICA）和HP（Hodrick-Prescott）滤波器的隐马尔可夫模型视频异常事件检测方法。该方法首先利用ICA构造正常视频的特征子空间,将图像序列投影到特征子空间上得到投影序列,实现数据降维;然后利用HP滤波器滤除投影序列中环境变化引起的趋势分量;最终克服不利的环境因素,有效改善隐马尔可夫模型的视频异常事件检测性能。机动车辆禁行路段视频的检测实验表明,该方法能够在复杂的室外环境下较好地检测出异常事件。     

Traffic analysis attacks on Skype VoIP calls

Skype is one of the most popular voice-over-IP (VoIP) service providers. One of the main reasons for the popularity of Skype VoIP services is its unique set of features to protect privacy of VoIP calls such as strong encryption, proprietary protocols, unknown codecs, dynamic path selection, and the constant packet rate. In this paper, we propose a class of passive traffic analysis attacks to compromise privacy of Skype VoIP calls. The proposed attacks are based on application-level features extracted from VoIP call traces. The proposed attacks are evaluated by extensive experiments over different types of networks including commercialized anonymity networks and our campus network. The experiment results show that the proposed traffic analysis attacks can greatly compromise the privacy of Skype calls. Possible countermeasure to mitigate the proposed traffic analysis attacks are analyzed in this paper.