基于HMM的声调语音模型研究

针对声韵母相同但声调不同的近音字识别问题和声韵母及声调都相同的同音字识别问题,提出在语音模型和语言模型中分别引入声调和字转移概率,以提高近音字和同音字的识别率。首先将声调划分为5种表现形式添加到汉语音节的最后一个音素中构成新音素,使用高斯混合隐马尔科夫模型建模新音素。然后通过统计方法计算特定语境下的字间转移概率。最后使用HTK工具包实现了带声调的语音模型和有字转移概率的语言模型。实验结果证明添加声调可以提高近音字的识别率,使用特定语境下字间转移概率可以提高同音字的识别率。     

基于隐马尔可夫模型的语音单字识别研究

本文针对线性模型在语音识别中的不足，进行了隐马尔可夫模型（HMM）在语音单字识别中的研究，主要对观察输出概率求解、最佳状态序列寻找、参数估计和模型参数的选择进行了探讨。     

采用连续混合密度隐马洋柯夫模型的语音识别

介绍了采用连续Ｍ元高斯混合密度的隐式马尔柯夫模型的语音识别实验系统，对语音特征矢量用非线性归一化算法进行预处理。另一，还提出一种基于语音识别的模型初始化方法。实验证明：语音的预处理和模型初始化方法都取得了较明显的效果。     

基于隐马尔科夫模板模型的视频动作识别算法

针对动作识别算法中构建局部特征间关系不准确、先验知识少的问题,采用一种隐马尔科夫模板模型(HMT),用于从视频中识别人的动作。通过隐马尔科夫模型的状态转移概率,描述动作的各个姿态间的关系。通过模板匹配的方式来计算观测值到隐含状态之间的似然函数(因此称为隐马尔科夫模板模型),模板是活动的,可以克服目标几何外观的变化。隐马尔科夫模版模型的参数包括所有关键姿态模板的参数和这些关键姿态之间的转移概率。这些参数可以通过"期望最大化"算法从训练数据中学习。实验结果表明,所提出的方法在识别准确率上有明显优势。     

基于隐马尔科夫模型的随机系统运行时安全性验证

随机系统运行时验证中,由于可靠地传感系统运行状态的成本非常高以及一些事件的监控严重影响系统时间相关的行为,因此,复杂随机系统在运行时其状态是难以观测的。为了对该类系统进行运行时验证,提出了状态不可观测的随机系统运行时安全性验证方法。首先,给出了随机系统安全性验证框架,框架使用隐马尔科夫模型建模运行时系统,使用确定性有限自动机规约系统安全属性,使用两者的乘积自动机作为属性验证器。然后,提出了属性验证器的构造算法,该算法消除了从初始状态不可达的状态以及与验证属性无关的组合状态,约简了验证器的规模。最后,基于验证器,提出增量迭代安全性验证算法,该算法接收到一个新的观测值,立即计算已观测到的整个有穷序列的监控结论,不需要保存当前观测值之前的有穷观测序列。实验仿真结果表明该方法能有效性地在线验证状态不可观测的随机系统安全性。     

采用连续混合密度隐马尔柯夫模型的语音识别

介绍了采用连续Ｍ元高斯混合密度的隐式马尔柯夫模型的语音识别实验系统，对语音特征矢量用非线性归一化算法进行预处理．另外，还提出一种基于语音知识的模型初始化方法．实验证明：语音的预处理和模型初始化方法都取得了较明显的效果．     

利用隐马尔科夫模型识别蛋白质折叠类型

以70种蛋白质折叠为研究对象,对每种折叠,选择序列同一性小于25%、样本量大于3的代表性蛋白质为训练集,采用机器和人工结合的办法进行结构比对,产生序列排比,经过训练得到了适合每种折叠的概形隐马尔科夫模型(profile HMM)用于该折叠类型的识别.对Astral1.65中的9 505个蛋白质结构域样本进行单模型识别,平均敏感性和特异性分别为91.93%和99.95%,Matthew相关系数为0.87.在折叠类型水平上,与Pfam和SUPERFAMILY单纯使用序列比对构建的HMM相比,所用模型数量显著减少,仍然保持很高的识别效果.结果表明:对序列相似度很低但具有相同折叠类型的蛋白质,可以通过引入结构比对的方法建立统一的HMM模型,实现高准确率的折叠类型识别.     

半连续隐马尔科夫模型脱机阿拉伯手写识别

提出一种基于半连续隐马尔科夫模型的脱机阿拉伯手写识别系统。该系统采用滑动窗口技术直接从数字图像提取像素密度和凹度特征,没有复杂的预处理操作,每个窗口被划分为前景像素数目相同的4个子窗口,前后相邻窗口的重叠为窗口宽度的1/2,且特征的维数仅为36维,节约了系统的计算量。采用半连续隐马尔科夫模型对字符进行建模,而词的模型采用嵌入式训练方法,无需对词进行预先分割,从而避免了切分引入的误差。在IFN/ENIT测试数据库上的测试结果表明,一个最佳输出时平均识别率能够达到86.6%。     

基于隐马尔科夫模型的潜在个性化路线推荐

现有路线大多基于历史轨迹的相似性进行推荐,容易忽略潜在新路线. 为解决这一问题,利用隐马尔科夫模型对个性化的潜在路线推荐问题进行建模,提出一种可发现隐藏路线的推荐算法（HMMPath）;根据用户指定的类别关键字序列生成访问点序列,结合路线长度、个性化路线分数以及访问点序列的可能性,为用户推荐满足个性化需求的路线;在真实签到数据集上通过改变数据集大小、查询类别关键字数量、查询类别关键字类型和推荐路线数量等参数验证所提算法的准确率和运行效率。结果表明,所提方法在包含4个以下短查询类别序列上的推荐准确率在70%以上,表现出了较好的推荐准确度.     

基于隐马尔科夫模型的高速公路场景SDVN路由算法

在高速公路车联网场景下,由于车辆节点运行速度快,导致传统车联网网络拓扑结构不稳定,容易造成数据传输中断或重传。使用隐马尔科夫模型预测目的车辆节点下一时刻的位置信息,以便精准规划路由;同时选取行驶较为缓慢的卡车作为移动路侧装置(RSU),以增大信号覆盖范围。集中管理下发路由算法(CMR-SDVN)是指收集各RSU覆盖范围内的所有车辆节点信息,并将其传输至控制器,由控制器创建网络拓扑。车辆节点将传输请求发送给控制器,控制器计算出安全链路并下发至车辆节点,车辆节点根据安全链路进行数据传输。经仿真实验证明,即使在RSU信号未完全覆盖的场景下,CMR-SDVN算法比GPSR算法和JRRS算法更优。     

Improved hidden Markov model for speech recognition and POS tagging

In order to overcome defects of the classical hidden Markov model (HMM), Markov family model (MFM), a new statistical model was proposed. Markov family model was applied to speech recognition and natural language processing. The speaker independently continuous speech recognition experiments and the part-of-speech tagging experiments show that Markov family model has higher performance than hidden Markov model. The precision is enhanced from 94.642% to 96.214% in the part-of-speech tagging experiments, and the work rate is reduced by 11.9% in the speech recognition experiments with respect to HMM baseline system.     

基于非齐次隐马尔可夫模型的特定人元音的识别方法

针对特定人汉语元音的语音识别,提出一种基于非齐次隐马尔可夫模型的识别方法.该方法首先提取声道频率响应作为特征参数,然后建立非齐次隐马尔可夫模型来更为精确地刻画真实的语音现象,接着进行语音识别实验,并与齐次隐马尔可夫模型进行比较.实验结果表明该方法可以使特定人的元音的识别率达到98.73%,明显改变了识别系统的性能.该方法具有很好的理论研究前景和实际应用价值.     

SAR图像滤波的小波域多尺度HMM方法

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了基于小波域多尺度隐马尔可夫模型(HMM)的去噪方法.该方法首先分析了小波域系数的统计特性,利用B样条小波基所生成滤波器的线性相位性对图像系数进行了统计建模,通过将1D信号的处理技术应用到2D信号,实现了图像系数建模更为准确、参数训练速度更快、斑点噪声抑制更加有效的目的.与常用的几种滤波算法相比,实验结果也表明该方法在平滑噪声和保持有用信号细节两方面均显示出了较好的效果.     

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差．针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法．将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度．利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别．对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图．对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果．     

基于隐马尔可夫模型的动态风险评估方法

为了改进静态风险评估方法缺乏预测性、实时性差的缺点,在隐马尔可夫模型的基础上,结合实体行为对系统风险的影响,对现有的静态风险评估算法进行改进,并通过理论分析此改进方法的时效性和预测性。实验结果表明,改进后的方法可提高评估结果的可靠性和时效性。     

基于适应加权非对称AdaBoost HMM的三维模型分类算法

针对三维模型的分类问题,提出了一种适应性加权非对称AdaBoost隐马尔克夫模型（HMM）分类算法.算法中提出了由三维模型表面的绝对法向量表示的两种新特征,将经过归一化和姿态调整的三维模型划分为若干部分,各部分对应HMM的一个状态,对各部分提取特征并用主成分分析（PCA）降维,对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting. HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定,训练过程中参数用期望最大化方法计算,最后使用加权相似度计算对三维模型分类.分析及试验结果表明,与基于分布函数的分类算法相比,该算法明显提高了正确率.适应性加权后,分类正确率可进一步提高.     

Using frame correlation algorithm in a duration distribution based hidden Markov model

The assumption of frame independence is a widely known weakness of traditional hidden Markov model (HMM). In this paper, a frame correlation algorithm based on the duration distribution based hidden Markov model (DDBHMM) is proposed. In the algorithm, an AR model is used to depict the low pass effect of vocal tract from which stems the inertia leading to frame correlation. In the preliminary experiment of middle vocabulary speaker dependent isolated word recognition, our frame correlation algorithm outperforms the frame independent one. The average error reduction is about 20% .     

改进的隐马尔可夫表情识别模型参数优化算法

人脸表情识别是人工智能领域中极富挑战性的课题,针对表情识别中存在的识别率低与计算量大的问题,提出了一种新的改进的隐马尔可夫表情识别模型参数优化的算法.先采用新的初始参数优化模型,然后利用Baum-Welch算法进行重估计,从而建立新的HMM人脸表情模型.实验结果表明,新模型明显提高了人脸表情的识别率并降低了计算量.     

Driving intention recognition and behaviour prediction based on a double-layer hidden Markov model

We propose a model structure with a double-layer hidden Markov model (HMM) to recognise driving intention and predict driving behaviour.The upper-layer multi-dimensional discrete HMM (MDHMM) in the dou...