HMM转移概率的新的重估算法

将隐含马尔可夫模型(HMM:Hidden Markov Model)引入到语音识别中来是一个巨大的贡献.但是在经典的HMM中关于状态转移概率a_ij(#em/em#≠j)与自转移概率a_ii的独立性假设,导致了这个模型的不协调性.事实上,段长分布概率与状态转移概率并非相互独立的,由其中的一个就可以唯一的确定另外一个.本文从段长分布概率出发说明了以上关于转移概率独立性假设的不合理性,并得到了转移概率新的重估算法.这个新算法比经典HMM的Baum-Welch迭代算法重估转移概率效果更好,前者比后者相对误识率下降了大约5%.     

探讨在版面分析中的聚类稳定性问题

版面分析过程可以理解为同模式类对象间聚类(合并)的过程,而这种聚类存在的风险(hazard)是伴随整个聚类过程中的。而且越是在后期,该风险值越高,即一旦出现聚类错误则将导致前期正确的聚类结果付诸东流。该文将就此问题展开关于版面分析中的聚类稳定性问题的探讨,并提出相应的逻辑规则——逻辑判别函数(logic differentiation function)用来指导聚类和其在聚类算法中的应用;实验结果表明,建立在定性分析基础上的该规则能解决聚类过程的稳定性问题,同时该规则可以应用在存在若干模式类对象聚类的场合中。     

基于隐马尔可夫模型的用户行为异常检测新方法

提出一种基于隐马尔可夫模型的用户行为异常检测方法,主要用于以shell命令为审计数据的主机型入侵检测系统。与Lane T提出的检测方法相比,所提出的方法改进了对用户行为模式和行为轮廓的表示方式,在HMM的训练中采用了运算量较小的序列匹配方法,并基于状态序列出现概率对被监测用户的行为进行判决。实验表明,此方法具有很高的检测准确度和较强的可操作性。     

一种分层蜂窝网中基于用户分类的建模分析方法

随着无线网中用户需求的业务量持续增大,且用户具有不同移动性,分层蜂窝结构(HCS)被提出。该文研究一种微小区/宏小区的双层蜂窝结构的网络性能,此系统采用双向溢出策略,呼叫用户根据其速度选择合适的接入层(慢用户接入微小区,快用户接入宏小区)。该文提出一种用户分类建模分析方法(分为快用户和慢用户)来估计分层蜂窝网络性能,它不同于以往的蜂窝层分类(分为微小区层和宏小区层)建模方法。此用户分类模型包括一个快用户模型和一个慢用户模型,两个模型都是简单的一维马尔可夫过程。理论分析和仿真结果都证明了用户分类分析模型的正确性。随后利用此模型分析了为速度阈值的作用和被阻用户重复呼叫情况下的网络性能。     

基于连接两段激活模型的IEEE 802.16接纳控制算法

IEEE802.16系统中数据的传输是面向连接的,连接的建立服从两段激活模型。针对系统空闲资源耗尽但还为已接纳而未被激活的业务预留资源这一情况,该文提出了一种适当借用此预留资源去接纳新的立即被激活业务的接纳控制算法,并建立了此算法的3维马尔可夫链模型,进行了理论分析提出了找寻此算法中使用的两个门限的搜索方法。仿真结果表明,该接纳控制算法能显著地降低新业务阻塞率,提高系统的带宽利用率,已接纳业务的激活成功率只有少许下降。     

A human visual system-driven image segmentation algorithm

This paper presents a novel image segmentation algorithm driven by human visual system (HVS) properties. Segmentation quality metrics, based on perceptual properties of HVS with respect to segmentation, are integrated into an energy function. The energy function encodes the HVS properties from both region-based and boundary-based perspectives, where the just-noticeable difference (JND) model is employed when calculating the difference between the image contents. Extensive experiments are carried out to compare the performances of three variations of the presented algorithm and several representative segmentation and clustering algorithms available in the literature. The results show superior performance of our approach.     

模型转移概率自适应的交互式多模型跟踪算法

该文利用量测中所包含的当前模式信息,实现了马尔可夫转移概率的实时估计,并将估计结果用于交互式多模型跟踪算法(IMM)的设计中,构造出参数自适应的交互多模型跟踪算法(PAIMM),有效降低了人为因素的影响。通过一个跟踪机动目标的仿真实例,说明PAIMM算法的有效性。     

噪声环境下遗传算法的收敛性和收敛速度估计

 问题求解的环境往往非常复杂,不确定的环境因素、人为因素等都可导致问题处于噪声环境,从而影响实际优化问题的目标函数值的评价.噪声环境下遗传算法的研究在国内外均起步较晚,特别是收敛性和收敛速度的分析是该领域急待解决的问题.本文根据优胜劣汰遗传算法的特性,基于吸收态Markov链的数学模型证明了噪声环境下优胜劣汰遗传算法的收敛性,提出了噪声环境下优胜劣汰遗传算法的首达最优解期望时间的估算方法.     

混合型多值CMOS电路的代数理论

该文在传输函数理论和电流型CMOS电路代数理论的基础上,提出了混合型多值CMOS电路的代数理论,并应用该理论设计了译码器和编码器。设计结果表明基于该代数理论的设计优于传统设计。     

基于深度Q网络的在线服务功能链部署方法

针对5G网络资源状态动态变化和网络模型高维度下服务功能链部署的复杂性问题,该文提出一种基于深度Q网络的在线服务功能链部署方法(DeePSCD)。首先,为描述网络资源动态变化的特征,将服务功能链部署建模成马尔可夫决策过程,然后,针对系统资源模型的高维度问题采用深度Q网络的方法进行在线服务功能链部署策略求解。该方法可以有效描述网络资源状态的动态变化,特别是深度Q网络能有效克服求解复杂度,优化服务功能链的部署开销。仿真结果表明,所提方法在满足服务时延约束条件下降低了服务功能链的部署开销,提高了运营商网络的服务请求接受率。