基于GWO-HMM的空中交通网络流系统态势预测研究

针对空中交通流量管理部门如何更高效地实施流量管理的问题,本文将态势感知理论应用于空中交通网络流系统(ATNFS,air traffic network flow system),建立空中交通网络流系统的运行态势预测模型。首先,给出了空中交通网络流系统的态势感知过程,从节点和航线的角度筛选出航线饱和度、不正常航班率、节点饱和度、节点延误架次比、节点航班取消率5个态势要素,使用态势值作为态势理解的指标;其次,分析隐马尔可夫模型(HMM,hidden Markov model)的优势与不足,建立了基于灰狼优化(GWO,grey wolf optimization)算法和改进隐马尔可夫模型的态势预测模型;最后,使用某空中交通网络流系统的实际运行数据进行算例验证。结果表明,改进后的预测模型相较于原本的隐马尔可夫预测模型精度更高,预测结果更准确。

基于改进HMM的车辆轨迹匹配方法研究

针对传统基于隐马尔可夫模型(HMM)的车辆轨迹匹配算法在复杂特殊路段无法兼备准确率与时间效率的问题,提出了基于改进HMM建模的车辆轨迹匹配方法。在候选路段的确定上通过生成网格索引提高整体检索效率,改进的HMM模型在发射概率的计算上综合航向角因素,考虑车辆速度对航向角造成的偏差影响,并设置经验因子进行调节。同时,考虑前后观测值误差过大及曲线路段等影响因素,采用单位采样间隔内的车辆实际行驶距离代替观测距离值,以保证传递概率计算的准确性。最后,利用实测数据进行试验,验证算法的性能。实验结果表明,所提方法匹配准确率约94.0%,相较于传统HMM轨迹匹配方法提高了2.8%,在提高时间效率及复杂路段的匹配准确度上也具有一定优势,单点匹配时间减少约0.9 ms,适用于交叉路口、立交桥、平行路段等复杂路况下的匹配。

基于HMM-SARIMA模型的选股策略——以沪深300医药行业成分股为例

股票市场变化莫测,股市价格波动比较大,建立科学的模型来分析市场以及股票状态,针对不同的投资策略选择合适的股票组合是有必要的。本文提出了一种基于隐马尔可夫(HMM)模型和时间序列模型的股票状态预测方法,该方法可以有效地分析股票市场的状态,再针对不同的市场状态对股市价格分别进行预测,两种模型相结合的方法能够有效避免市场波动对单一模型预测结果的影响,最后根据模型的预测结果并针对不同的投资策略为投资者选择合适的股票,从而获得更大的收益。以与样本期不交叉的沪深300指数分行业成分股为样本,综合考虑收益和风险因素,为股票池中的每只股票进行打分,选出最优的投资组合,本文的模型在股市行情不稳定的回溯期内取得了很好的收益效果,这说明将HMM模型与时间序列结合的模型具有一定的稳健性。

基于MFCC和HMM的语音识别优化方法研究

为探究基于梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔可夫模型(Hidden Markov Model,HMM)的语音识别优化方法,首先探讨语音识别系统的基本框架设计,其次分析MFCC特征提取方法,再次引入期望最大化(Expectation Maximization,EM)算法优化HMM参数,最后利用THCHS-30数据集进行实验验证。结果表明,引入EM算法优化HMM,可有效克服传统HMM在复杂语音环境下的识别困难问题,显著提升系统的识别精度和健壮性。

基于HMM的步态身份识别

随着生物识别悄然兴起,生物识别技术逐渐成为新的身份识别技术。步态识别是生物特征识别技术的一个新兴子领域。文章就是将隐马尔可夫模型(HMM,HiddenMarkovModel)方法运用在步态身份识别中,并进行了其识别性能的研究。该文给出了一个基于HMM的步态身份识别方案,并进行了图像预处理,HMM参数训练和识别的研究,得出了一些有意义的结论。同时在中国科学院自动化研究所提供的CASIA步态数据库上进行了步态身份识别实验,实验结果表明:在侧面视角下采用此方法,具有较好的识别率。

基于多相关分组的HMM训练算法

在用多观察序列训练HMM理论的基础上,提出了一种基于对多观察序列按多相关系数分组的HMM训练算法(简称基于多相关分组的HMM训练算法).该算法避免了直接计算条件概率的困难,与传统的Baum-Welch算法相比,既考虑了训练序列之间的相关性,又不增加计算量.

基于改进HMM模型的变电站二次设备顺控操作自动实现方法

在顺控操作过程中,涉及多个设备和系统之间的信息交互,但信息交互存在延迟,易出现误操作。为此,研究基于改进HMM模型的变电站二次设备顺控操作自动实现方法。首先,利用改进后的HMM模型来获取变电站二次设备的状态信息,对获取的设备状态信息进行状态管理;其次,根据设备状态划分闭锁信号进行顺控预演,决定哪些设备可以或不可以操作;最后,通过设置控制序列,实现二次设备的顺控操作。结果表明,与基于监控系统的自动顺控和基于PLC的自动顺控方法相比,基于改进HMM模型的变电站二次设备顺控操作自动实现方法的误操作率较低,在0.01%~0.05%之间,具有广阔的应用前景。

MATLAB环境下的基于HMM模型的语音识别系统

在MATLAB环境下利用语音工具箱VoiceBox实现基于连续概率密度隐含马尔科夫模型的汉语语音识别系统。在实时录音的情况下,利用该语音识别系统,不同的人对20条2～8个字的语音命令进行识别,准确率可达到95%,识别时间1 5～3s,实现了小词汇量连续语音的非特定人的实时识别。

基于HMM模型的机电安装物料名称勾稽关系建立实现

引言机电安装专业是建筑行业中重要的领域之一,建立施工预算材料名称和企业标准材料名称之间的准确关系对于项目管理和成本控制至关重要。然而,由于预算材料名称来源的多样性和企业标准材料名称命名规则的不一致性,建立起它们之间的关联一直是一个难点。为了解决这一问题,本文提出了一种基于马尔可夫模型的方法,旨在通过自学习的方式提高预算材料名称和标准材料名称之间关系建立的成功率。

非线性状态空间模型的EHMM抽样法

给出了一种新的非线性状态空间模型的MCMC方法———EHMM(EmbeddedHiddenMarkovModel)抽样法,运用该方法构造的Markov链的收敛速度比传统的MCMC方法有明显提升,文中证明了这一结论并以一维非线性状态空间模型为例加以说明。

基于EMD-PSO-HMM刀具磨损监控系统

为解决在机械加工过程中刀具的磨损及崩刃对加工质量和效率的影响,通过机器人学习技术,设计一套基于EMD-PSO-HMM刀具磨损监控系统。首先提取不同刀具磨损状态下主轴的电流信号,由于传统小波分析及傅里叶分析在信号分析过程存在一定局限性,文章采用EMD算法对加工过程中主轴电流信号进行不同尺度信号分解并提取特征参数,将提取的特征值输入HMM模型进行训练迭代。为解决HMM模型在模型训练的过程中存在局部最小值的问题,文章引入粒子群算法对HMM模型的输入参数进行全局搜索以达到最优值。基于以上形成的EMD-PSO-HMM刀具磨损监控系统在实际刀具磨损状态评估过程中具有较高的准确性。

一种序列家族Profile HMM寻优的PSO

针对在训练一个序列家族的Profile HMM时经常会得到局部最优HMM的问题,也就是说找到全局最优Profile HMM的概率不高.通过分析训练一个序列家族Profile HMM方法的特点和Profile HMM本身的结构特点提出了一种结合多个局部最优或次优Profile HMM来寻找最优模型的PSO算法,以提高序列家族Profile HMM寻优的概率.

基于HMM-FNN模型的复杂动态手势识别

复杂动态手势识别是利用视频手势进行人机交互的关键问题.提出一种HMM-FNN模型结构.它整合了隐马尔可夫模型对时序数据的建模能力与模糊神经网络的模糊规则构建与推理能力,并将其应用到复杂动态手势的识别中.复杂动态手势具备两大特点:运动特征的可分解性与定义描述的模糊性.针对这两种特性,复杂手势被分解为手形变化、2D平面运动与Z轴方向运动3个子部分,分别利用HMM进行建模,HMM模型对观察子序列的似然概率被作为FNN的模糊隶属度,通过模糊规则推理,最终得到手势的分类类别.HMM-FNN方法将高维手势特征分解为低维子特征序列,降低了模型的复杂度.此外,它还可以充分利用人的经验辅助模型结构的创建与优化.实验表明,该方法是一种有效的复杂动态手势识别方法,并且优于传统的HMM模型方法.

SVM+BiHMM:基于统计方法的元数据抽取混合模型

提出了一种SVM+BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM+BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM+BiHMM算法的抽取效果优于其他方法.

基于小波域HMM模型的稳健多比特图像水印算法

稳健性是多比特图像水印的关键问题之一,提出了一种基于小波域隐马尔可夫模型(hiddenMarkovmodel,简称HMM)的多比特图像水印算法,该算法的主要特点为:(1)利用向量HMM模型精确描述图像小波系数间的统计特性,基于此统计模型的水印盲检测系统较之传统的相关检测器,在性能上有显著的提升;(2)结合视觉掩盖特性,自适应地调整水印嵌入强度,使之在一定的嵌入强度下,视觉主观失真较小;(3)提出了一种适合隐马尔可夫模型树型结构的多比特数据优化嵌入策略和最大似然检测.数值仿真结果表明,该算法可以较好地利用图像小波域的低频子带以实现较大容量图像水印的嵌入,并在抵抗Stirmark平台攻击,如JPEG压缩、加噪、中值滤波和线性滤波等方面具有很强的稳健性.

基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.

基于HMM方法的银行票据自动识别

利用隐态马尔可夫模型 (HMMs) ,对银行票据中金额的大小写数据识别问题进行了研究 主要内容包括建立新颖的文字分割算法 ;设计HMM训练和识别算法 在HMM系统中 ,将使用频率比较高的手写体错别字和同音字作为不同的字符类来处理 ;同时在HMM的训练过程中 ,提出了平滑参数的新方法 实验结果表明 ,该方法在实践中是可行的 。

基于小波包能量谱的HMM钻头磨损监测

从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。

混合SOM和HMM方法在旋转机械升速全过程故障诊断中的应用

提出了旋转机械升降速全过程故障诊断的一种新方法——混合SOM和 HMM方法。利用多个电涡流振动传感器在旋转机械升速过程的不同转速段合理地采集数据 ,经过 FFT特征抽取后 ,再由 SOM神经网络进行特征压缩编码。最后根据多变量 HMM建模理论 ,对旋转机械的升速全过程的各种模拟模型故障建立 HMM,并进行了概率诊断尝试。实验证明该方法是非常有效的。

基于HMM和SVM的指纹分类方法

该文提出了指纹分类的一种新型方法:使用指纹编码的基于隐马尔可夫模型(HMM)和支持向量机(SVM)的两级分类,该方法采用FingerCode作为指纹的特征表述,首先用5个伪二维 HMM进行类别初选,确定最可能的两种指纹分类结果,再用相应的 SVM分类器做最终判决,实验表明,分类性能已经达到或超过目前流行的指纹分类算法,具有一定的实用价值。