马尔柯夫链模型在区域干旱风险研究中的应用

针对区域干旱现象的风险评估，给出了一个马尔柯夫链风险评价模型，通过对北京地区的实际应用分析，探讨了模型的可信度，预测了区域干旱状态的变化态势。     

基于马尔可夫模型的福州市耕地动态变化预测

以福州市为研究区域,以1988年和2008年TM遥感影像、2004年ASTER遥感影像为数据源,在遥感和GIS技术支持下编制1988年、2004年和2008年土地利用图,求取研究区1988-2004年土地利用转移概率矩阵,并运用2008年数据进行验证。采用验证后的马尔柯夫模型预测未来耕地动态变化,结果表明：未来20年福州市耕地面积持续减少,耕地、水田和旱地三者变化趋势基本一致,分别减少了3858.4 hm2、3681.5 hm2和176.9 hm2,导致耕地保护与建设用地扩张之间的矛盾将更加突出。马尔可夫模型在耕地动态变化预测中具有较好的适用性和简便性,但还需要其它方法配合以提高精度。     

基于马尔柯夫模型的福建长汀土壤侵蚀动态预测

根据南方红壤侵蚀典型区域--福建省长汀县1988、2000、2007年3个年份的遥感影像解译的土壤侵蚀数据,确定土壤侵蚀的初始状态矩阵和转移概率,应用马尔柯夫模型进行土壤侵蚀强度变化预测,结果与实际的误差通过了检验,模型在研究区的土壤侵蚀预测可靠.预测结果表明:研究区土壤侵蚀总面积2010年为40 031.76 hm2...     

基于MARKOV——灰色模型的土地利用结构变化预测

以漳州市为例,根据同一套土地利用数据分别用马尔柯夫和灰色模型进行土地利用结构变化预测．两种模型各有优点,将所得到的结果互相验证,可提高预测的可信度和精度．两种预测结果一致表明：若继续保持2001--2006年的变化速率,耕地、林地和未利用土地持续减少,建设用地和园地呈增长趋势,而牧草地和水利设施相对比较稳定．预测结果为土地利用规划的制定提供科学的依据．     

基于多重分形模型的非高斯信号建模

在小波域中，研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）；运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性，将研究结果应用于水声噪声的分析中，发现其多重分形分 布与环境有密切的关系；应用于水声噪声的识别研究中，取得了较好的实验结果。     

基于混合高斯模型的非固定握持姿势手势识别

针对手势识别研究中普遍要求用户以严格固定方式握持数据采集设备,致使用户体验差的问题,使用混合高斯模型(Gaussian mixture model,GMM)对非固定握持姿势的手势识别算法进行改进,以提高手势人机交互时的舒适性.首先通过GMM从加速度传感器数据中提取用户握持姿势数据,然后借助握持信号实现手势命令数据提取与坐标转换,使识别系统能够自适应不同的握持姿势.为使GMM可以同时满足手势识别应用中对稳定性和适应速度的要求,优化了GMM的学习机制,包括增加备则模态和改善优先级计算.实验结果表明,所述系统在滚转角和俯仰角+60°~-60°、偏摆角+20°~-20°范围内,握持姿势对手势识别正确率没有明显影响,实现了非固定握持姿势的手势识别,起到了提高用户体验的作用.     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

非高斯模型下BPSK的循环谱分析

在Alpha稳定分布下结合共变理论、循环平稳理论和分数低阶矩等理论,推导了BPSK信号的循环平稳特性和低阶循环谱密度,结果表明稳定分布下BPSK信号的低阶循环谱结构同高斯假设下的谱结构是一致的.最后在Matlab下进行了仿真验证,仿真结果与理论推导相符合,但基于稳定分布所设计的算法具有良好的抗脉冲噪声的性能,对复杂背景下的调制识别或者盲分离提供新的途径.     

基于高斯混合模型的说话人识别系统

针对概率得分均值法出现的单个帧概率打分容易畸低的情况以及投票法因归一化而损失掉正面影响帧的打分，提出了一种引入可信度的均值方法，实验证明：该方法兼顾二者的优势的同时，在一定程度上消除了各自产生的不利影响，提高了说话人识别的精度。     

基于高斯混合模型GMM的说话人识别方法

高斯混合模型(GMM)是一种经典的说话人识别算法,本文在实现其算法的同时,主要模拟了不同噪声环境情况下高斯混合模型(GMM)的抗噪声性能,得到了一些有益结论。     

基于马尔柯夫模型的黄河三门峡河段水质预测

水质变化趋势预测是维护和管理当前水质状况的重要依据,影响水质的因素有物理、化学、水力学、生物学、气象学以及人类活动等多方面的因素,在时间和空间上存在相当多的影响变量,现有的基于数学表达式水质预测模型很难将这些因素都考虑进去,而且预测的是一个具体的数值.利用马尔柯夫链预测水质所处状态概率,实质上是预测水质指标带有一定置信水平的置信区间,在可以完全满足实际需要的前提下,扩大了预测的范围,相对的提高了预测的精度.文章介绍了马尔柯夫模型的基本原理,并且应用到黄河三门峡河段的水质预测中,总体效果基本满意.     

基于MPC的PHEV转矩分配控制策略研究

为提高并联混合动力汽车(parallel hybrid electric vehicle,PHEV)的燃油经济性,文章提出了一种基于模型预测控制(model pedictive control,MPC)的PHEV转矩分配控制策略.首先建立马尔柯夫模型,在预测时域内预测汽车的速度和加速度,为提高预测准确性,提出一种利用工...     

基于灰色马尔柯夫模型的严重飞行事故频数预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测，结果表明：灰色马尔柯夫预测模型对严重飞行事故频数的预测结果更科学、更精确。并用灰色马尔柯预测模型，预测世界定期客运航班严重飞行事故频数，其相对误差小于灰色模型预测结果。     

基于局域压缩量子剪切制备非高斯量子态及非经典性

光场量子态的制备和操控对于量子信息处理的发展具有非常重要的实际意义.将局域的压缩操作引入到量子剪切装置中,实现将输入相干态截断为真空光,单光子和双光子的叠加形式.利用平均光子数和Wigner函数,着重研究了输出态的非经典特性.在相同参数下,局域压缩参数的增加有利于平均光子数的提高以及Wigner函数负部体积的增大.此外...     

基于MRF模型的多层前馈网络纹理分割方法

提出一种基于马尔柯夫随机场 (MRF) 模型和多层前馈神经网络进行纹理分割的方法.利用二阶高斯MRF模型对图像纹理进行描述，采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量，并且利用改进的BP算法对特征进行分类.对纹理图像进行的实验表明，与常规距离方法相比，采用这种方法进行纹理分割能取得更好的效果.     

植物种群灰色马尔柯夫模型的初步研究

探讨植物种群灰色马尔柯夫模型的理论和方法。对日本落叶松人工种群的密度的自然变化过程模拟和预测，表明灰色马尔柯夫模型是一种较为理想的种群动态模型。     

基于高斯混合模型自适应肤色识别算法

肤色识别是色情图像识别、人脸检测等图像处理技术的关键步骤,肤色识别效果的好坏直接影响相关图像处理技术的效果。图像中存在干扰因素时基于单高斯模型的肤色识别效果不佳,为了解决这个问题,在YCbCr色度空间基础上,提出了基于高斯混合模型自适应肤色识别算法。实验表明该算法识别效率较高,能较好地识别存在干扰因素图像中的肤色,具有一定的实用性。     

基于灰色-马尔柯夫模型的区域耕地变化预测研究——以四川盆地中部丘陵区为例

以四川盆地中部丘陵区为例,基于1997-2005年的耕地利用变化数据,运用灰色-马尔柯夫预测模型,对区域未来的耕地资源变化趋势进行了科学的预测和模拟分析.研究表明:随着工业化、城市化进程的不断加快,人口增长、建设占用、农业结构调整、生态退耕等多因素的综合影响,研究区的耕地数量将逐年下降,耕地资源安全形势不容乐观.     

马尔柯夫链状预测的概率计算及拓广

提出了一种马尔柯夫链状预测中的概率计算新方法：状态划分矩阵法;具有模糊状态的马尔柯夫链的概率计算公式,并用实例计算作了说明。     

基于最大互信息的离散隐马尔柯夫模型训练方法

在基于隐马尔柯夫模型（HMM）的语音识别系统中,模型训练最常用的算法是Baum-Welch算法,该算法具有快速收敛及保证每步迭代模型的似然概率单调增的优点,但它基于最大似然训练准则,而该准则不能将各个模型很好地分析,这直接导致了识别时的错误,鉴于最大互信息可以克服这一缺点,提出了一种基于最大互信息的训练方法,该方法借助于梯度,调整参数以使模型与训练数据的互信息最大,实验结果表明,使用该方法使系统的识别性能得到了一定的改善。