关于HMM模型算法的一种改进

本文对传统的HMM模型进行了改进,结合了HMM和MEMM的优点。此改进是在＂HMM：状态——观察＂和＂MEMM：特征——状态＂之间进行的,实现＂特征——状态——观察＂这种模式,简化了繁冗的过程,比一般的HMM具有更好的性能,并举出实例加以论证。     

藏语语音拨号系统研究

文章使用隐马尔科夫模型（HMM）为理论基础实现的HTK工具包,完成了藏语语音拨号系统的语音模型的建立和声学模型的训练,并验证了识别率,为继续研究藏语连续语音识别提供了理论基础。     

基于HMM的连续语音中的关键词检测

关键词检测是语音识别中一个重要的研究方向.本文针对说话人的连续语音提出了一种基于HMM模型的关键词检测方法,并针对关键词模型、垃圾模型及关键词的检测策略进行了研究.实验表明,该方法具有一定的可行性,大大提高了系统的实用性.     

基于内容的文本模糊检索技术研究

分析研究了基于内容的文本模糊检索技术,提出了一种基于文本组块内容含义检索技术,最终实现模糊检索的技术.通过对文本结构的划分,建立了基于隐藏马尔可夫模型的解决方案.介绍了模型的建立、参数的生成与修正、组块的识别等部分,最后通过测试给出了基于HMM模型的特征组块识别性能,并分析了下一步的研究改进方向.     

基于隐马尔可夫模型的语音情感识别

情感识别是情感智能与计算机技术相结合的一个崭新的研究课题,情感的计算机自动识别是通向情感计算的第一步。本文针对日常生活中最常见的四种情感状态:生气、高兴、悲伤和惊奇的汉语语音信号的情感识别进行了研究,并研究了基于采用隐马尔可夫模型(HMM)对情感特征数据的情感识别,得出了相关的实验结果。     

基于HMM模型的多声部乐谱音符基频识别方法研究

当前方法对多声部乐谱音符基频识别过程中错删率较高,提出基于HMM模型的多声部乐谱音符基频识别方法。利用一阶高通滤波器和低通滤波器,消除音符中存在的工频噪声和高斯白噪声,分帧处理获得的平滑音符;计算单帧的瞬时能量,并求出每帧音符基频特征参数,得出基频特征序列;分析音符基频特征序列,完成多声部乐谱音符基频的识别。通过分析仿真实验可知,HMM模型比较适合多声部乐谱音符基频识别,识别效果较好,提高了识别的准确度。     

隐马尔可夫模型在命名实体中的应用

命名实体是文本中基本的信息元素，是正确理解文本的基础。命名实体识别就是要判断一个文本串是否代表一个命名实体，并确定它的类别，即发现命名实体和标注命名实体。利用了隐马尔可夫模型（HMM，Hidden Markov Model）和改进的隐马尔可夫模型进行英文命名实体的识别。     

基于HMM的安多藏语非特定人孤立词语音识别研究

以VC＋＋6.0为开发平台,实现一个基于隐马尔可夫模型（Hidden Markov Model,简称HMM）非特定人的安多藏语孤立词语音识别系统。对有声段语音进行MFCC参数的提取,对提取后的MFCC参数进行矢量量化后训练HMM模型,形成特征模板库,最后进行识别。根据安多藏语的特点,改进端点检测的方法,提高了孤立词语音信号检测的准确性,并进一步提高了识别率。     

一种基于改进SCHMM/ANN的语音识别算法

隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识别当中,会使SCHMM模型的特点更加突出。本文所采用的是一种SCHMM/ANN模型,经仿真实验结果表明,在纯净无噪声和信噪比较低的情况下,与传统的HMM模型相比,该算法的识别率有较大提高。     

机械故障诊断系统中应用 AIS-HMM混合模型的可行性分析

机械故障是很多企业都面临的一个难题,尤其是一些生产企业,当机械出现故障时,就会对生产或经营产生影响。当机械故障不能够有效地解决,带来的损失也将会更大。目前已经有很多机械故障的诊断方法,但随着大型机械的不断出现,机械变得越来越复杂,机械故障的诊断也越来越难,传统的诊断方法已经不能够很好地解决一些大型机械系统的故障。人工免疫系统（Artificial Immune System,简称 AIS）和隐马尔科夫模型（Hidden Markov Models,简称HMM）在机械故障诊断系统中都可以应用,但它们在应用的时候都存在有不足,那么是否能够将 AIS 和 HMM 结合起来应用在机械故障的诊断当中呢？本文将对在机械故障诊断中应用 AIS-HMM 混合模型的可行性进行分析。如果能够将AIS-HMM 混合模型应用在机械故障的诊断当中,将会大大提高机械故障的诊断效率。     

一类广义隐马尔科夫模型的建模与参数估计

隐马尔科夫模型在很多方面已有广泛应用.讨论了一类更为一般的模型,这类模型由Wojciech Pieczynski首次提出,并且给出了在图像识别中的应用.这里首次给出在离散观测和离散状态下该模型的精确数学描述,其中包括建模、状态估计和参数估计,这些算法都是首次被提出的.     

Forecasting movements of stock time series based on hidden state guided deep learning approach

Stock movement forecasting is usually formalized as a sequence prediction task based on time series data. Recently, more and more deep learning models are used to fit the dynamic stock time series with good nonlinear mapping ability, but not much of them attempt to unveil a market system’s internal dynamics. For instance, the driving force (state) behind the stock rise may be the company’s good profitability or concept marketing, and it is helpful to judge the future trend of the stock. To address this issue, we regard the explored pattern as an organic component of the hidden mechanism. Considering the effective hidden state discovery ability of the Hidden Markov Model (HMM), we aim to integrate it into the training process of the deep learning model. Specifically, we propose a deep learning framework called Hidden Markov Model-Attentive LSTM (HMM-ALSTM) to model stock time series data, which guides the hidden state learning of deep learning methods via the market’s pattern (learned by HMM) that generates time series data. What is more, a large number of experiments on 6 real-world data sets and 13 stock prediction baselines for predicting stock movement and return rate are implemented. Our proposed HMM-ALSTM achieves an average 10% improvement on all data sets compared to the best baseline.     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解，然后把3个不同分辨率的低频子图像由小到大排列成树状结构，形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维，形成特征小波树枝，并把它作为观测向量对隐马尔可夫模型进行训练，把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系，以及状态个数和高斯概率混合成分的个数对识别率的影响，定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上，同其他四种相关方法进行了比较，实验结果表明，该方法识别率较高，工程上易于应用.     

基于熵最小化的同题材文本段落划分方法研究

通过详细介绍基于熵最小化的段落划分方法,可以发现这个方法通过控制"段内不确定程度"与"段间重叠程度"的相对重要性,可以获得由"细"到"粗"的、段落个数可以调节的划分结果。这是在聚类的角度下全局切分优化的结果,没有HMM等模型中的段落类型重复的问题。     

基于变长预测树模型的Web访问模式挖掘算法

提出一种基于Markov的变长预测树模型,然后根据Markov算法模型化用户的访问行为,生成一棵变长的预测树,最大程度地将用户访问路径固化在预测树上.它最大的特点是减少预测次数,提高模型的预测效率和预测精度.通过实验数据说明了所提出算法的正确性和有效性.     

基于马尔可夫模型的风险型客户预测与管理

客户是企业的重要资产之一,是企业实现利润的源泉。客户关系的发展形成一个完整的生命周期,处于生命周期形成阶段的客户往往要消耗较多的资源却甚少为企业创造价值,企业的投入具有风险性。本文对风险型客户发展过程中的特点进行分析,同时提出基于马尔科夫模型的风险型客户预测方法,掌握风险型客户在市场竞争过程中的市场占有率信息,从而为企业的战略决策提供支持。     

基于UML的生态地球化学评估系统的建模和设计

本文介绍了基于UML的长株潭地区生态地球化学评估系统的建模和设计过程。在分析与设计系统时有选择地利用UML提供的各种视图构建了需求模型、静态模型、动态模型和实现模型。     

受控马尔可夫链方法在软件测试上的应用

主要介绍了受控马尔可夫链的基本概念和原理，及受控马尔可夫链方法在软件测试中的应用，并对马尔可夫链的五元素模型进行了描述。     

基于EXCEL/VBA的马尔柯夫预测法软件实现

马尔柯夫预测法在经济、科技、环境等领域有广泛应用,但计算过程复杂繁琐,我们基于EXCEL/VBA开发出相应软件可以迅速有效的解决此问题。     

On nonlinear discrete-time systems driven by Markov chains

The behavior of a class of hybrid systems in discrete-time can be represented by nonlinear difference equations with a Markov input. The analysis of such a system usually starts by establishing the Markov property of the joint process formed by combining the system's state and input. There are, however, no complete proofs of this property. This paper aims to address this problem by presenting a complete and explicit proof that uses only fundamental measure-theoretical concepts.