一种改进Viterbi算法的应用研究

为降低现代汉语句法分析的难度,以北大和哈工大语料为基础,利用改进的Viterbi算法对汉语真实文本进行了短语识别研究.提出了在隐马尔可夫模型(HMM)框架下,训练阶段依据统计概率信息,以极大似然法获取HMM参数,识别阶段用一种改进的Viterbi算法进行动态规划,识别同层短语;在此基础上,运用逐层扫描算法和改进Viterbi算法相结合的方法来识别汉语嵌套短语.实验结果表明,识别正确率在封闭测试中可达93.52%,在开放测试中达到77.529%,证明该算法对短语识别问题具有良好的适应性和实用性.     

基于改进的隐马尔科夫模型的汉语词性标注

基于传统隐马尔科夫(HMM)模型的基础上,对词语的词汇发射概率做出了新的假设,从而更好地体现了该词语与上下文依赖关系.还利用指数线性插值平滑算法对参数进行了有效平滑,并且给出了未登录词词汇发射概率估计模型.实验结果证明,改进后的模型明显优于传统HMM词性标注模型的效果.     

连续字符识别的级联HMM训练算法

用较简洁的模型表达词典中成千上万的词条以及由这些词组成的类别无以计数的句子,是连续手写识别技术要解决的关键问题之一.利用HMM对时间序列的较强的建模能力这一特点,提出了可用于连续字符识别的HMM级联模型;给出了字符HMM模型连接概率和模型间状态转移概率的定义,并通过修正训练算法的重估公式,重估字符模型的连接参数,描述了用于手写体识别的字符HMM的设计方案;给出了级联训练算法重估公式和级联Baum-Welch训练算法描述.将级联方法应用于手写体英文单词的识别,结果表明,级联模型的描述能力与比较系统相比有明显的优势,获得了良好的识别性能.     

基于段匹配差异观察值的HMM在线签名认证方法研究

提出一种用签名的分段差异值作为隐马尔可夫模型(HMM)观测值的在线签名认证应用方法。首先,采用双向后向合并DTW算法确定签名中关键点之间的对应关系。然后,采用经典DTW度量签名中各种细微的差异,用这些DTW差异值作为观测值训练HMM模型。将模型状态的意义定义为相似程度,将状态转移结构设定为全概率转移。在SVC2004签名数据库上,验证了该方法的有效性。     

基于Viterbi改进算法的汉语数码语音识别系统

针对汉语语音识别中的一个分支——数码语音识别(MDSR)系统做出了具体的分析,并实验仿真了一个MDSR系统。在训练和识别阶段,引入了HMM模型的定义,为了提高识别的速度,还针对HMM系统中的核心识别算法Viterbi进行了改进,提出了一种累计积分判定的方法,对原Viterbi算法中的路径进行了剪裁,减少了冗余状态。使用MATLAB R2007a对此算法进行仿真实验,证明在相同语音识别系统的环境下,改进的Viterbi算法可以更有效地提高计算速度,且识别差错率没有明显的提高。     

基于三Ⅰ算法的模糊系统的响应能力

探讨模糊系统的函数逼近能力是模糊系统理论研究的一个重要的课题.本文首次讨论了在两种推理规则情形下由三Ⅰ支持度算法和模糊熵三Ⅰ算法设计的模糊系统的响应能力.针对三Ⅰ支持度算法,分别就正则蕴涵算子和11个具体的模糊蕴涵算子,考察了相应模糊系统的响应能力,讨论了基于模糊熵三Ⅰ算法和三Ⅰ算法设计的模糊系统的响应函数之间的关系....     

基于改进遗传退火HMM的Web信息抽取研究

为进一步提高Web信息抽取的准确率,针对隐马尔可夫模型HMM(Hidden Markov Model)及混合法在参数寻优上的不足,提出一种改进遗传退火HMM的Web抽取算法。构建一个后向依赖假设的HMM;用改进遗传退火优化HMM参数,将遗传算子和模拟退火SA(simulated annealing)参数改进后,据GA(genetic algorithm)的自适应交叉、变异概率给子群体分类,实现多种群并行搜索和信息交换,以避免早熟,加速收敛;并将SA作为GA算子,加强局部寻优能力;最后,用双序Viterbi解码,与现有HMM优化法相比,实验的综合Fβ=1平均提高了6%,表明改进算法能有效提高抽取准确率和寻优性能。     

基于GEP和Baum-Welch算法训练HMM模型的研究

传统的向前-向后算法或Baum-Welch算法训练HMM的转移概率aij和发射概率ai(Ot),使观察序列的O概率恰好达到最大值往往很难,虽然在理论上训练HMM的这两个网络结构是可能的,但仅能保证局部的最大值,而基于全局搜索的基因表达式编程(GEP)的一个主要的特点就是可以高效快速的发现全局最优解.把GEP引入到HMM的训练中去,提出一种改进的训练方法GBHA.实验结果表明,该算法比传统算法的系统效率更高、更稳定.     

基于改进光流算法和HMM的面部表情识别

提出了一种基于改进光流和HMM的面部表情识别算法,在Lucas-Kanade光流法中引入Hessian矩阵,可有效消除局部邻域中不可靠约束点,提高面部表情变化的光流场计算精度.同时采用GA算法对HMM参数重估,有效提高了HMM的分类性能.实验结果表明,该算法取得了较好的识别效果.     

对称密码算法中两类线性表达式的概率优势

分析欧洲序列密码候选算法ABC的安全性,提炼出两类与安全性密切相关的具有概率优势的线性表达式。两个概率优势反映了模加法运算之间的两种线性相关性。利用每类表达式及其概率优势都可以推导出ABC算法的大量弱密钥。在弱密钥条件下,可以计算出算法的1 257 bit初始密钥,从而导致了算法的有效破解方法。第一类表达式反映了两个模加法方程普遍存在的一种线性相关性,第二类表达式反映了三个模加法方程的比特进位之间的线性相关性。其中,第二类中一个典型的表达式最初是由Wu和Preneel发现,并由此得到2~(96)个弱密钥,但他们只是通过测试试验数据得到了该表达式的概率优势估计值,并未给出严格证明。文中给出两类表达式的概率优势的严格证明。模加运算被广泛应用于对称密码的设计中,相信这两类线性表达式的概率优势不仅可以用来分析其它对称密码算法,而且对于设计安全的对称密码算法也是非常重要的。     

基于局部梯度和二进制模式的时间序列分类算法

时间序列分类问题是时间序列数据挖掘中的一项重要任务, 近些年受到了越来越广泛的关注. 该问题的一个重要组成部分就是时间序列间的相似性度量. 在众多相似性度量算法中, 动态时间规整是一种非常有效的算法,目前已经被广泛应用到视频、音频、手写体识别以及生物信息处理等众多领域. 动态时间规整本质上是一种在边界及时间一致性约束下...     

用LPC及DTW进行语音模式比较的设计与实现

阐述了提取LPC特征参数和DTW模式匹配基本原理，并进一步实现了求解LPC的杜宾算法和有效进行DTW的一个算法。在此基础上，根据英语学习的实际需要，设计并实现了一个语音模式比较实例。     

基于Viterbi改进算法的高棉语分词研究

采用最大匹配算法对高棉语进行分词准确率较低,且难以正确识别词库中没有的新词。针对该问题,采用改进的Viterbi算法,利用自动机实现音节切分,通过最优选择及剪枝操作提高分词效率,以统计语言模型对未知新词进行数据平滑,提高识别正确率。实验结果表明,改进的Viterbi算法具有较高的分词效率和准确率。     

中文多模式匹配算法性能的分析与研究

模式匹配算法一般不具有所有环境下的通用性,不同的算法在不同语义环境下的表现,往往差异较大。为实现中文环境下对模式串的快速多模式匹配,选择出在中文环境下的最优匹配算法,分析了几种经典的多模式匹配算法。通过对各个算法设计思路、时间性能与空间性能的研究,推导出基于“坏字符”的算法设计思路最适用于中文环境下大字符集、短字符串的特点,并通过实验对理论推测的中文环境最优算法-Wang算法的性能与其他几种经典算法的性能进行了比较,验证了理论推导的正确性。     

无线定位中的地图匹配技术研究

针对基于无线定位的交通信息采集中地图匹配问题,提出一种新的地图匹配算法,算法提取连续多个位置点的瞬时位置、方向和相邻时刻的运动距离构成具有三个特征变量的子时间序列,并用DTW来进行车行轨迹与候选路段的相似性测量,然后利用模糊偏序关系得到相似性的综合评估,将与移动台运动轨迹最相似的路段作为匹配点所在路段。实验结果证明了算法的有效性。     

基于序列极值点分段的空中签名身份认证

空中签名序列长,为了解决传统的全局匹配方法造成的匹配慢、签名的局部信息丢失的问题,提出了对签名数据进行极值点分段再进行距离度量的方法。并针对传统DTW算法在极值点匹配中产生的不同极性极值点错匹配问题,提出了一种基于极值点匹配的改进DTW算法,约束DTW算法的匹配路径规则,避免错误匹配情况。在本地数据库上,系统的误拒率FRR和误纳率FAR分别达到了4.15%和3.82%。实验结果表明,与传统的全局匹配算法相比,先分段再进行相似度度量的方法使系统的认证精度和效率得到了提高。     

基于DTW的地磁指纹定位方法

针对动态时间规整匹配(DTW)的奇异性问题,利用克里金插值方法(Kriging)基于156个参考点插值得到545个指纹点建立后台指纹库以减少离线采集的工作量,采用二次加权质心算法对DTW进行改进,首先利用一次加权质心算法获得结果位置点的初始位置,再用二次质心加权算法对定位结果位置点进行偏远误差点的剔除,最终获得可靠性较高的定位结果。实验表明,利用Kriging可以节省71.4%的工作量;在走廊和大厅的环境中定位精度分别可以达到2.01m和4.19m。改进的DTW在长廊和大厅环境中的平均定位误差分别为1.64m和2.74m,较原算法在定位精度上有明显提升。     

音乐旋律匹配算法的改进研究

动态时间规整(DTW)算法是把时间规整和距离测度计算结合起来的一种非线性规整技术.它通过不断计算两向量的距离来求最优的匹配路径.在采用DTW算法进行音乐旋律匹配时,需要将哼唱信号的音调平移到要对比的目标乐音的音调一致才能够计算出DTW的真正值,用来作为相似度的判断标准.但是正是由于进行了这种移调处理,使得DTW算法计算量大大增加.提出了一种与音调无关的音乐旋律的表示方法,在进行DTW算法时可以避免上下平移音调,减少旋律匹配的运算量.     

动作与音乐的节奏特征匹配模型

针对计算机动画制作中的自动编舞和配乐问题,提出一个基于节奏特征的动作-音乐匹配模型.首先分析出动作和音乐数据的节奏特征,然后使用动态时间规整算法度量动作与音乐片段的匹配程度,从而形成动作与音乐节奏匹配的计算模型.自动编舞或配乐流程包括预处理和实时匹配2个阶段.在预处理阶段,利用节奏特征匹配模型预先计算,获得数据库中所有潜在的动作和音乐片段组合的匹配程度,并得到一个动作-音乐映射图;在实时匹配阶段,首先通过图遍历的方法来搜索出与输入具有最佳节奏匹配的候选动作或者音乐,然后进一步对这些候选动作或者音乐数据的节奏特征点进行适当的优化调整,形成自动编舞或者配乐的结果.实验结果表明,该模型能够有效地指导用户编排出所期望的舞蹈动作或背景音乐.     

基于粗糙集和模糊聚类的政务本体学习模型

根据政务信息资源的特点,提出了一种新的政务本体学习模型。首先通过命名实体获取领域概念,然后利用粗糙集和模糊聚类理论对模式匹配算法进行改进,进而采用改进的模式匹配算法获取领域概念之间的显式和隐式关系。大量的实践证明：利用该模型能够从庞大的政务信息资源中有效地进行政务本体学习,克服了传统模式匹配算法不能很好地获取概念之间隐式关系的问题。