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。

基于DNN-HMM的蒙古语声学模型结构实验研究

DNN-HMM作为语音识别中的一种混合建模技术,由深度神经网络和隐马尔可夫模型组成。在使用蒙古语语料库构建DNN-HMM声学模型的过程中,为了研究DNN-HMM结构对蒙古语声学建模的影响以及蒙古语语料库规模与DNN-HMM声学模型结构的关系,通过设计DNN-HMM声学模型中DNN的结构,该文提出Rectangle DNN-HMM、Trapezoid DNN-HMM、Polygon DNN-HMM和Hourglass DNN-HMM四种结构的DNNHMM声学模型,并以Kaldi实验平台为基础进行实验,选取音素作为建模单元,使用三种规模的蒙古语语料库分别构建四种结构的DNN-HMM声学模型。深度结构和宽度结构实验结果表明,深度为6层的Polygon DNNHMM结构适合蒙古语声学模型建模;随着语料库规模的增大,通过适当增加声学模型的宽度,可以使声学模型的每一层都能学习到更丰富的语音特征,提高语音识别的准确率。

基于HMM的低空目标航迹威胁识别

稳健的低空目标威胁识别是低空域安全防护的重要任务。传统的多属性决策方法对目标运动参数的量测精度要求较高,忽略了目标运动的时序关联信息,在实际应用中缺乏噪声稳健性和动态分析能力。因此,在多属性决策方法的基础上引入了隐马尔可夫模型,提出了一种动态稳健的低空目标威胁等级识别方法。通过建立隐状态与威胁等级、威胁数值之间的内在联系,将威胁识别问题转化为隐马尔可夫模型的状态解码问题。相比于常规算法,所提方法能够有效地抑制量测噪声干扰并具有一定的威胁预测能力。仿真实验验证了所提方法的有效性和稳健性。

基于HMM的远动联调语音多层次背景噪音滤除模型

构建基于HMM的远动联调语音多层次背景噪音滤除模型,多层次滤除远动联调语音背景噪音,确保远动联调工作顺利完成。在远动联调语音识别阶段,输入提取到远动联调语音信号MFCC特征,使用改进Viterbi递推解码算法,获取远动联调语音MFCC特征与参数库中HMM参数相对应的概率密度,将概率密度最大值在远动联调语音字库中对应的字当作有效远动联调语音识别结果,完成背景噪音与无效语音数据初步滤除;在此基础上,使用平移不变小波去噪方法深度滤除有效远动联调语音背景噪音,完成远动联调语音多层次背景噪音滤除。实验结果表明:该方法应用后,背景噪音滤除较为彻底,保证远动联调语音语义准确性较高。

智慧城市时空大数据平台建设与实践——以宜兴市为例

在新一代信息技术与城市现代化的深度融合下,智慧城市的建设显得尤为重要。城市时空大数据平台是智慧城市的基础支撑。目前的智慧城市普遍存在时空数据单一、数据更新周期长、信息孤岛现象严重等问题。智慧宜兴时空大数据平台建设项目构建统一的时空基准,将各类信息资源集中于一体,引入基于HMM模型的中文地名地址引擎构建技术,并提出一种基于深度学习的电子地图快速更新方法。该平台可为用户提供大量的时空数据和分析服务,具有明显的社会效益和推广价值,为创建“智慧宜兴”奠定了坚实的基础。

基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。

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.

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HMM在电机故障诊断上的研究

提出一种基于隐马尔可夫模型的方法用于故障的诊断与检测,该方法采用HMM与模式识别相结合的方法,通过对电机的电压电流信号进行特征提取和分析,构建电压电流空间模型,并且每个模型可以作为一级,每一级可以提高其判断的准确度,而HMM模型用做一个故障分类器来使用,相比于自适应模糊推理方法(MLFF)和多层前馈网络法(ANFIS),其准度有了很大提高,并且减少了计算。通过对不同故障诊断实例阐述了基于HMM的故障诊断方法的有效性和可行性。

基于目标散射中心和HMM分类的多视角雷达目标识别方法

根据高分辨雷达目标的简单散射点模型 ,提出用Relax算法从雷达回波提取目标强散射点分布的位置信息作为目标识别的物理特征 ,用隐马尔可夫模型表征多视角雷达回波序列 ,实现飞机类目标识别的方法 .实测数据的计算机仿真表明 ,对训练数据段 ,仿真可以指示飞机的姿态 ,方位识别平均正确率为 96 .77% ,类平均正确识别率为99.80 % ;当测试数据取自没有训练过飞行数据段时 ,两种情况的类平均正确识别率分别为 81.2 5 %和 89.87% .

基于连续高斯密度混合HMM的滚动轴承故障诊断研究

滚动轴承在直升机的传动系统中占有十分重要的地位,对其进行快速有效的状态监测与故障诊断具有重大意义。由故障诊断和隐马尔可夫模型(HiddenMarkovModel,HMM)本质上的相通性,利用连续高斯密度混合隐马尔可夫模型分析滚动轴承的振动信号,先以基于短时傅里叶变换的倒谱系数为特征训练模型,再利用模型进行状态监测和故障诊断,实验结果表明该方法能利用少量样本进行训练和有效诊断,且具有训练时间短、诊断速度快的优点。

基于LDA-HMM的专利技术主题演化趋势分析——以船用柴油机技术为例

如何在专利数据海洋中挖掘技术主题的研究现状、识别具有潜力的研发热点,对企业和国家来说都是至关重要的战略议题。针对目前技术主题演化趋势预测研究中存在的不足:技术创新过程中随机特征的忽视、人工分类的缺陷以及专业术语难以识别等问题,本研究提出一种组合方法,首先使用维特比(Viterbi)算法识别专利文献中的专业术语,其次利用机器学习中的隐含狄利克雷分布(LDA)算法捕捉专利文献中潜在的技术主题聚类,分析各时期技术主题的分布特征和演变规律,然后结合包含双重随机过程的隐马尔可夫模型(HMM)对未来技术趋势进行定量预测,最后以船用柴油机技术为例,应用上述组合方法分析船用柴油机技术的主题分布、演化规律及未来趋势。对比实验显示本文方法具有有效性和实用价值。

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HMM的人工心理建模方法研究

提出一种基于HMM的人工情感模型。该模型将人类的情感过程视为两层随机过程,通过调整模型的初始参数,能够构建具有不同性格特征的心理模型;同时它作为情感引擎,能以概率的形式预测情感过程的最终结果。系统运行结果表明由该模型产生的情感反应真实、自然。

基于AR-连续HMM的故障诊断模型及应用

在状态监测与故障诊断中,被测设备的状态一般不能直接观察到,要通过测量被测设备的表现来感知,这和隐马尔可夫模型(HMM)在本质是相通的。因此可以利用连续高斯密度混合HMM分析被测设备的振动信号,首先以AR模型系数为特征,研究不同状态数与不同混合高斯数对HMM模型分类的影响,再利用较优的状态数与混合高斯数HMM模型进行状态监测和故障诊断,诊断与对比实验结果表明该方法能利用少量样本进行训练和有效诊断。

基于部件HMM级联的联机手写体汉字识别方法

为了对自由手写汉字进行有效地表征和识别,提出了一种识别自由手写体汉字的级联HMM方法,在部件HMM模型基础上将各模型按照统计概率连接,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.通过共享手写汉字部件模型来描述级联状态转移概率,可以更可靠地刻画自由手写体的行为特点.采用面向级联的Viterbi算法,无需做部件的分割和标注.通过一定条件下的对比实验训练与识别表明,该方法的第一候选识别率为87 89%,而基于分段HMM识别方法的第一候选识别率为86 17%,降低错误识别率12 4%.

信息缺失时基于HMM的故障诊断方法

在突发事件导致的事故中,状态监测与故障诊断系统的研究对象已经发生很大的变化,常规设计的状态监测与故障诊断系统往往很难满足要求.文章针对信息缺失提出了一种新的状态监测与故障诊断方法.该方法基于HMM模型的似然率计算过程,提出在发生信息缺失时,对缺失信号依据各模型采用最大似然率填充的方式进行故障诊断,并通过实际数据的测试实验对该方法进行了验证.验证结果表明,信号缺失时依据各模型采用最大似然率填充的方式进行故障诊断的方法是有效的.

一种基于E-HMM的选择性集成人脸识别算法

基于嵌入式隐马尔可夫模型(Embedded Hidden Markov Model,E-HMM)的人脸识别方法的识别性能依赖于模型参数的合理选择。提出了一种基于E-HMM的多模型选择性集成人脸识别算法,选择出个体精度高且互补性强的模型来进行集成的人脸识别。实验结果表明,与传统的基于E-HMM的人脸识别方法相比,新算法不仅可以获得更好、更稳定的识别效果,而且具有更强的泛化能力。

基于SVM-HMM混合模型的说话人确认

提出一个文本无关的说话人确认的算法 .该算法将支持向量机 (SVM)的输出通过 Sigm oid函数和高斯模型转化为概率 ,并作为隐式马尔可夫模型 (HMM)中各个隐状态的输出概率 .由于 HMM适于处理连续信号 ,SVM适于处理分类问题 ;同时 ,HMM更多地表达了类别内部的相似性 ,而 SVM则很大程度上反映了类别间的差异 ,因而根据两者不同的侧重点 ,使其组合获得了很好的效果 .

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.