基于DPMM-CHMM的机械设备性能退化评估研究

针对传统的HMM模型状态数必须预先设定的不足,提出了一种基于DPMM-CHMM的机械设备性能退化评估方法。该方法利用DPMM模型的自动聚类功能,实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合CHMM良好的分析和建模能力,得到设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估,并利用滚动轴承全寿命数据进行了应用研究。结果表明,该方法可以有效地识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。

基于极半径曲面矩和HMM的三维模型分类与检索算法

在计算机辅助设计(computeraideddesign,CAD)中,对机械零件的三维模型进行分类和检索有利于设计人员重用设计信息,从而缩短产品的开发周期,以快速响应市场需求。针对三维模型的分类与检索,提出了一种基于极半径曲面矩和隐马尔科夫模型(hiddenMarkovmodel,HMM)的分类与检索算法。首先,计算三维模型的极半径曲面矩并组成特征向量,经排序编码后,将其作为HMM的观测序列;然后,取一部分人工标注过的三维模型作为训练样本,采用添加比例因子的多观测序列B-W(Baum-Welch)算法对HMM进行训练;最后,利用训练好的HMM对三维模型进行分类与检索。实验结果显示,与现有的2种分类与检索算法相比,所提出的算法具有更高的识别率和检索效率。该算法的特点是:极半径曲面矩计算快,不用将三维模型体素化;HMM训练快,分类能力强,且不需要大量训练样本就有一定的分类能力。研究表明,所提出的算法能较好地解决三维模型的分类与检索问题,具有一定的实用价值。

基于结合HM-SVM方法的HMM剪接位点识别研究

为了对剪接位点取得更加精确的预测结果,采用HMM方法设计并构建了剪接位点识别系统。该系统利用HM-SVM工作集最优化算法训练并优化HMM模型,依据剪接位点附近存在的序列保守性,高效地提取位点附近保守序列在边缘分布与条件分布上的统计特征。实验结果表明,该识别系统在用于剪接位点的识别中较常用的机器学习方法获得了更高的识别率。

结合自适应倒易晶胞和HMT模型的斜采样遥感图像复原方法

传统的图像复原方法往往只考虑遥感图像获取过程中模糊和噪声对图像质量的影响,而忽略了图像混迭的影响.针对斜模采样系统调制传递函数各向异性的特点,通过自适应倒易晶胞确定图像中混迭和噪声较小的频谱覆盖范围;从图像复原的贝叶斯方法出发,以小波域隐马尔科夫树模型作为图像的先验模型,提出一种结合自适应倒易晶胞和隐马尔科夫模型的斜采样遥感图像复原方法.实验结果表明,该方法可有效地提高图像分辨率,较常用的图像复原方法复原效果更好.

基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法

本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法.该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL(Kullback-Lerbler)信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度.在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度.通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性.

基于转移和频率特征的协议异常检测

协议异常检测是目前入侵检测领域研究的新方向.本文研究状态的转移特性和频率特性,在此基础上建立模型进行协议异常检测.模型的训练和检测使用DARPA 1999年的数据集,实验结果验证了所建立模型的准确性.