一类状态链依赖观测链的隐Markov模型的强极限定理

本文研究一类状态链依赖观测链的新的隐Markov模型的极限定理。首先根据马氏链的性质得到了这种新的隐Markov模型的强马氏性;然后将一般意义下的隐Markov模型的强型的强极限定理和熵密度的极限定理推广到了这种新的隐Markov模型中。

基于非线性时序模型盲辨识的因子隐Markov模型识别方法

基于模型辨识的机械有效故障特征提取方法中输入信号难以确定,以及机械设备运行过程中具有信息量大、非平稳、特征重复再现性差的特点,结合非线性时序模型盲辨识和因子隐Markov模型,提出一种基于非线性时序模型盲辨识的特征提取的因子隐Markov模型识别方法,并应用到旋转机械升降速过程故障诊断中。同时还与基于Fourier变换、小波变换的特征提取的因子隐Markov模型识别方法进行比较,试验结果表明该方法是有效的。

旋转机械轴心轨迹识别的隐Markov模型方法研究

隐Markov模型 (HMM)是一种时间序列的统计模型 ,在语音识别领域中得到了成功的应用。轴心轨迹是旋转机械故障监测中最为重要的一类图形征兆。本文利用模拟多元时间序列的HMM理论对轴心轨迹的时间序列建立HMM并进行分类。

非齐次隐Markov模型随机变换的强极限定理

利用鞅差序列的收敛定理,研究了非齐次隐Markov模型三元泛函变换的强极限定理,作为推论,得到了非齐次隐Markov模型随机选择与随机公平比的若干极限定理。

基于隐Markov模型的纯方位轨迹检测方法

针对方位历程图中微弱目标信号的轨迹检测问题,分别在纯噪声和目标存在条件下推导了方位历程图中测量值的分布特性,提出了一种基于隐Markov模型的目标信号轨迹检测方法;同时,针对轨迹的起点与中止点的自主判断问题,基于序列检测提出了两种检验算法,充分利用了轨迹点的测量值分布特性和方位的连续性来提升检测性能。相比于传统的能量检测,轨迹点的检测性能提升约3dB,降低了所估计轨迹的均方根误差,同时保持了更低的虚警概率。湖试数据验证了该算法在单目标条件下的有效性。

基于隐马尔科夫模型的胎盘植入产前诊断方法

胎盘植入是产科严重的并发症之一,作为金标准的产后病理检验存在的滞后性和局限性问题,文中将病史和彩超数据等产前多特征关联作为观测显状态序列,将产后病理诊断作为隐状态,构建基于隐马尔科夫模型的胎盘植入产前诊断方法.采用Gini方法提取患病关联因素的特征集合,通过转化特征集合构建隐马尔科夫模型,结合Baum-Welch和Viterbi算法计算求解,通过显隐状态关系,实现胎盘植入产前诊断.实验表明,文中方法具有较好的准确率、特异度和灵敏度.

无线Mesh网络基于隐半马尔可夫模型的跨层结合异常检测方法

目前无线Mesh网络异常检测的方法大多针对单一恶意攻击,还不具备检测来自不同协议层的恶意攻击的综合能力。提出一种基于多协议层跨层结合的异常检测方法,即采集多协议层结合的特征对网络运行状态进行全方位监测,并训练隐半马尔可夫模型对网络正常运行状态进行描述,通过计算多维观测序列相对于隐半马尔可夫模型的熵来评价其"正常性",从而发现源自不同协议层的恶意攻击行为。实验仿真证明,该方法能有效检测源自各协议层的多种恶意攻击,具有一定的通用性。

评“基于量子条件主方程的隐马尔可夫模型”

隐马尔可夫模型作为一类重要的统计学习模型,天然适用于和时间序列数据相关的学习任务。但如果在经典计算机上实现或拟合隐马尔可夫模型的时候,其数值计算复杂度会随着隐藏状态维度和观测空间的维度增加而变得难以承受。这在一定程度上是由于经典计算模型本质上是用于解决确定性的问题,因此一个很自然的想法是能否利用量子计算机来替代经典计算机,利用量子系统内禀的随机性模拟动态马尔可夫过程。不仅如此,量子系统独有的状态叠加性为模型赋予了维数巨大的隐藏状态空间,并有可能带来潜在的并行计算加速。

考虑健康状态的风电机组发电量预测模型

针对现有风电机组发电量预测方法很少考虑机组健康状态的影响,从而降低了预测准确性的问题,提出一种考虑健康状态的风电机组发电量预测模型。首先引入组合权重描述机组多个性能观测序列之间的相关性,建立基于改进多观测序列隐Markov模型(HMM)的健康状态模型,分别用健康状态等级序列与劣化概率描述健康状态劣化过程。采用预处理后的机组风电场数据采集与监控(SCADA)系统风速和功率数据,利用比恩法建立不同健康状态下的风电功率曲线模型。将机组健康状态劣化过程按时间序列融合到风电功率曲线,建立考虑健康状态的风电机组动态功率曲线模型,并结合基于Weibull分布的风速模型实现发电量预测。以SL2000/100风电机组发电量预测为例,验证了该方法的有效性。

隐Markov模型在剪接位点识别中的应用

剪接位点的识别是基因识别中的一个重要环节。由于现有的基因识别算法主要关注编码区的整体特性 ,而并不着重考虑个别位点的信息 ,因此难以准确地识别出剪接位点。考虑到剪接位点附近的保守序列的相邻碱基之间应该存在某种相关性 ,利用一阶 Markov链建立了表述这种相关性的模型 ,在此基础之上 ,设计了专门用于剪接拉点识别的隐马氏模型 (HMM)方法。实验结果表明 ,用 HMM描述剪接位点附近序列符合实际情况 ,并且利用这一方法进行剪接位点的识别可以很好地提取位点附近保守序列在边缘分布与条件分布 (转移概率 )上的统计特征。使用该方法对真实剪接位点和虚假剪接位点进行识别 ,识别率均可达 90 %以上。

转子启动过程HMM故障诊断方法研究

如果转子机械系统存在潜在的缺陷,那么在转子启动过程的振动信号中就会出现异常现象.因此研究转子启动过程的故障诊断方法对于选择合理的应变措施是至关重要的.该过程的故障可以看作是若干主变量依赖于时间的动态模式.隐Markov模型(HMM)已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一,它可以使用一个隐变量来模拟系统的动态行为的变化.实验证明,HMM可以对转子启动过程的故障进行有效的模拟诊断.

基于HMM的击键特征用户身份认证

由于击键过程的时间序列特性和隐马尔可夫模型(HMM)在处理序列化动态信号中的优越性能,该文提出了根据用户击键特征采用HMM对用户身份进行认证的新方法。并对击键特征值的提取、观测值编码等问题进行了分析。实验证实了采用HMM进行击键特征身份验证的有效性。

水稻14-3-3蛋白家族的生物信息学分析

通过隐马尔柯夫模型(HiddenMarkovModel,HMM),对粳稻(OryzasativaL.ssp.japonica)基因组的蛋白质数据库进行搜索,结果获得8个1433蛋白的同源序列,其中发现4个新基因。通过对所有粳稻的1433蛋白的DNA序列与各种表达序列标签(ExpressionSequenceTags,ESTs)进一步比对,为1433蛋白找到了ESTs的证据。结果说明这些基因在水稻不同的处理和不同的部位都有所表达,而且不同成员之间的表达模式存在较大的差异。蛋白质多序列联配分析结果表明,存在可能的功能多态位点。通过基因结构和染色体定位的分析,确认了水稻基因组中存在ε样和非ε样两类1433蛋白。此外,对目前植物中的1433家族作了初步的进化分析。

基于HMM的动态社会网络社团发现算法

随着互联网的不断发展,大多数社会网络已逐渐显示出动态特性,动态社会网络社团分析对理解现实生活中社会网络结构和功能具有非常重要的意义.针对动态社会网络中的社团发现问题,提出一种基于隐Markov模型(hidden Markov model,HMM)的HMM_DC算法.该算法考虑到社会网络的动态特性,结合历史信息,将社团发现转化为求解隐马尔可夫模型中的最优状态序列问题,将网络中的社团结构和节点信息分别采用状态链和观察链表示,在无须指定额外参数的情况下实现动态网络的社团结构发现.最后,利用该算法和其他算法对VAST数据集、ENRON数据集和Facebook social network数据集进行实验仿真.仿真结果表明:该算法能够快速、准确地发现真实动态网络中的社团,其模块度Q值和互信息NMI值有很大提升.

基于网络的HMM异常检测方法研究

文章从HMM的基本思想、概念出发,建立了以捕获的网络数据包为观测对象的HMM异常检测原型。对原型中存在的可见符号集太大的问题,提出了对观测对象进行分段的改进办法,进而建立了具有可操作性的HMM异常检测模型。在观测对象的概率计算方面,引入了滑动窗口的概念,解决了概率值过小的问题。对模型的训练,给出了模型训练算法、矩阵B的更新公式。

基于HMM的核动力旋转机械故障诊断的研究

隐Markov模型(HMM)已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一,它可以使用一个隐变量来模拟系统的动态行为的变化。核动力旋转机械升速过程具有信息量大、信号非平稳、重复再现性不佳等特点,HMM很适合处理此类信号。将HMM引人到核动力旋转机械的故障诊断中,提出了一种基于HMM的故障诊断方法。

基于阶层多观测模型的多人行为识别

为解决多人行为识别中高维特征空间、角色分配不准确和复杂的时间结构等问题,该文分析了多人行为的特点,提出了一种递归的多层随机网络模型。该模型通过多层网络表达行为的多尺度特性,并由高层体现行为的长时间依赖性。通过对观测的分解大大降低了特征空间的维数,从而降低了问题的复杂度,并在一定程度上消除了目标角色分配不准确带来的影响。实验结果表明:该文提出的模型比其他常用模型具有更好的识别效果,即使对复杂行为依然具有91.3%以上的识别率。

细胞膜离子单通道信号的统计重构算法研究

离子单通道信号是皮安级的随机离子流,用膜片钳技术可以记录下来。但由于信号的微弱性,记录中通道信号往往被背景噪声所淹没,传统上用阈值检测器消除噪声并重构信号,但信噪比低时,阈值检测器失效。本文提出了基于最大后验概率的状态估计和最大似然函数的序列估计两种信号的统计重构技术,在白色背景噪声和有色背景噪声情况下,分别进行仿真实验,证实其重构精度较高,鲁棒性较强,性能远比阈值检测器优越。

基于HMM的电厂安全仪表系统可靠性评估

安全仪表系统(SIS)作为控制系统的报警和联锁部分,是保障人员和设备安全的重要系统,但目前在发电领域对于安全仪表系统的可靠性缺乏定量的评估手段。为此,在IEC 61508-1标准的基础上,提出了基于隐马尔可夫模型(HMM)的安全仪表系统可靠性评估方法。该方法在考虑安全仪表系统设备潜在失效性的前提下,对安全仪表系统控制器进行HMM建模,并在模型基础上求解系统的失效概率。通过对照IEC 61508-1标准中关于安全完整性等级分类,实现对安全仪表系统可靠性的有效评估。利用基于HMM的安全仪表系统可靠性评估方法来评估不同安全仪表系统的安全完整性等级。仿真结果显示,所给出的方法可以准确计算出安全仪表系统的要求时失效概率(PFD),实现对安全仪表系统安全完整性等级的有效评估。