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。

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。

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.

一种基于字符HMM模型级联的手写体西文单词识别方法

提出了一种识别西文单词的级联HMM方法,在字符HMM模型基础上按照统计语法将各模型依概率连接.它扩展了HMM的模式描述方式,允许在级联模型上表征状态的跳跃、转移和驻留等.通过共享字符模型来描述级联状态转移概率,可以更加可靠地刻画手写体单词的行为特点.采用面向级联的Viterbi算法,在完整的单词采样序列输入后直接识别,无需做字符的分割和标注,从而避免了在字典中为每个单词建立模型而导致的识别不同步问题.用EW-1单词样本库进行试验,级联模型法的第1候选识别率为89.26％,带有连字模型的HMM法的第1候选识别率为82.34％,降低错误识别率达39.18％.

基于SOFM/HMM模型的非特定人手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音 .目前最新发展水平的手语识别系统在实际应用中应该解决非特定人手语识别问题 .该文在分析非特定人手语识别特点——数据多且差异大、模型训练难收敛、对不同人数据的特征提取需求更迫切——的基础上 ,提出了 SOFM/ HMM模型 ,将自组织特征映射 (SOFM)很强的特征提取功能和隐马可夫模型 (HMM)良好的处理时间序列属性结合在一个新颖的框架下 ,并把该模型应用到非特定人中国手语识别中 .实验结果表明 ,SOFM/ HMM模型手语识别率比传统的 HMM模型提高近 5 % .

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.

HMM模型在检测复杂网络攻击中的应用

对于隐蔽性强、持续时间长且分步完成的复杂网络攻击,现有的入侵检测技术仍无法有效地进行识别。详细地分析了复杂网络攻击的特征,并在此基础上建立了复杂网络攻击的HMM检测模型。通过关联分析不同网络监视器的报警事件,产生用于HMM模型训练及检测的报警序列,这些报警序列本质上反映了攻击者的行为。实验结果表明,该模型能较好地检测复杂网络攻击。

聚类HMM模型在QAR数据分析中的应用研究

快速存取记录器QAR(Quick Access Recorder)数据是飞机飞行过程中从传感器获取的流数据。面对大量的QAR数据,提出一种基于聚类的HMM模型。针对QAR数据特点,分析发生故障或异常时QAR数据中不同属性的变化特点,提取主要影响属性进行分析。通过对其聚类进行数据离散化,得出数据的状态趋势,即将其分为多个状态趋势。对故障或异常发生的过程进行HMM建模,以状态序列的形式描述故障或异常发生的过程,并以飞机空中颠簸故障为例,建立空中颠簸相关QAR数据的HMM模型,并检验了该模型的有效性。

小波变换和HMM模型在语音识别中的应用

提出了一种基于小波变换和HMM模型的ARMA新模型参数 ,并将它用于A…N的英文字母的识别。小波变换可以在高频提供高的频率分辨 ,在低频提供高的时间分辨率 ,而ARMA模型则可以改善LPC模型中没有零点的不足。实验结果表明 ,2个零点 ,10个极点的ARMA对字母C的识别准确性明显提高。

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。

非齐次语音识别HMM模型和THED语音识别与理解系统

本文从语音状态驻留长度分布出发,建立了一个非齐次隐含马尔可夫(Markov)语音识别模型。这个模型更接近语音信号物理实际,训练和识别的时间、空间复杂性比经典的HMM模型有很大的改进。文中描述了新模型的训练和识别算法,介绍了根据这一模型所设计的一个汉语孤立字全字表的实时识别和理解系统。

基于HMM模型的战场侦察多目标识别技术研究

隐M arkov模型是一种用于语音识别比较成功的统计模型,战场侦察的多目标识别是战场侦察技术传感器走向实用的关键技术之一,对传统的隐M arkov模型的结构和分类器进行了改进,使其初步可以实现由背景噪声环境下的多种类目标的识别。

扩展基音周期曲线在动态HMM模型中的应用

动态HMM模型通过描述语音特征与动态特性之间的关系来改善语音识别的性能 ,本文提出以扩展的基音周期曲线作为动态特性的描述 ,以及在识别过程中采用动态特性自动提取算法以改善识别性能。实验结果表明 ,采用扩展基音周期曲线作为动态特性的动态HMM模型 。

基于HMM模型的语音拨号系统设计

基于HMM模型的语音拨号系统的设计。论述了采用HMM模型的数字命令连接词识别方法,以及将语音识别模块嵌入PTOS的方法。

一种基于HMM模型的弱小点目标的检测算法

讨论复杂背景、强干扰条件下移动平台下弱小目标的检测 ,提出一种基于隐 Markov模型的快速检测算法。该算法通过计算摄像机视场的运动 ,消除背景的干扰 ,通过计算模型中的目标转移概率和似然函数 ,确定点目标的运动轨迹。

一种基于HMM模型的音频场景分析技术

音频场景分析技术对机器自动感知环境特征具有重要的意义。考虑到Mel频率倒谱系数MFCC(Melfrequen-cycepstralcoefficient)在一定程度上可以模拟人耳的听觉感知特性,因此,提出用MFCC作为音频识别特征,通过隐马尔可夫模型进行音频场景分析的方法,该方法对7种典型场景的识别率在90%以上。

果蔬加工企业可追溯体系投资决策意愿:HMM模型的仿真计算

应用隐马尔科夫模型,基于Baum-Welch算法建模、Viterbi算法解码和Matlab仿真方法,以山东临沂地区的87家果蔬加工企业为案例,研究了企业可追溯体系投资决策意愿的形成过程与主要影响因素。研究显示,与人的心理特征相类似,果蔬企业可追溯体系的投资决策意愿具有多种状态,决策是一个由多种因素交织影响的复杂过程。研究表明:净收益预期、政府的食品安全监管力度与支持政策以及国际市场需求,食品安全质量认证体系与信息化水平和企业管理者年龄特征等是影响投资决策的主要因素;而垂直一体化程度与行业风险特征、企业管理学历特征对于果蔬产业供应链比较短的行业并非主要影响因素。

关于HMM模型算法的一种改进

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。

基于小波域HMM模型的自适应图像水印算法

An adaptive image watermarking algorithm based on HMM in wavelet domain is proposed. The algorithm is abstracted as follows: 1) the vector HMM model is employed to describe the statistical characteristic of image wavelet coefficients and the resulting HMM based detector achieves significant improvements in performance compared to the conventional correlation detector;2) adaptive watermark embedding based on HVS analysis; 3) a novel embedding strategy which is optimized for the HMM tree structure is adopted; 4) the strategy of dynamical threshold is applied in watermark detection. High robust results are achieved against Stirmark attacks, such as JPEG compression, adding noise, median cut and filter.

基于状态驻留时间下由转移弧产生输出的HMM模型中的参数估计

本文讨论了用状态驻留时间来模型化传统的HMM模型。HMM的一个基本假设是它认为语音信号是准平稳的。然而由状态输出yt的HMM模型，并不能很好地表征语音信号中平稳段或平稳段之间的具体特征；由转移弧产生输出的自左向右HMM系统,则对语音特征作更为细致的描述。本文主要讨论在[2]的基础上,对新建模型进行参数估计。