基于隐马尔可夫模型的商品信任值计算

融合用户在线评论文本与评价等级来计算商品信任值是构建社会化商务中信任机制的重要环节。利用长短时神经网络计算出用户评论文本的情感得分值,将其与用户评价等级值相结合得到用户综合评价观测值;利用隐马尔可夫模型建立评价信息和信任程度之间观测状态生成的概率矩阵,计算出不同评价观测值对应的信任程度;计算商品在最信任状态的概率值求和平均后求得商品信任值。结果表明论文提出的模型能有效提高信任计算的准确性。

基于隐马尔可夫模型的火灾风险评估研究

近年来全球气候变化越来越复杂,自然灾害频发,森林防火形式日益严峻,森林火灾风险评估工作越来越重要。为此,基于隐马尔可夫模型(Hidden Markov Model, HMM)提出一种森林火险评估模型。首先构建森林火灾风险指标体系,将其分为气象条件、森林特征以及防火意识和能力3类12个指标,并根据层次分析法计算指标权重。同时,针对HMM模型求解过程中Baum-Welch算法对初始值有较强的依赖性且容易陷入局部最优的问题,提出通过粒子群优化算法搜索全局最优解作为HMM初始值,再使用Baum-Welch算法进行局部校正,使其快速收敛到全局最优解。利用优化前后的2个模型分别对重庆市森林火灾风险数据开展评估,验证优化后的模型能够有效地评估森林火灾风险,并且与改进前相比更精确,可为区域森林防火工作提供有效指导。

基于改进隐马尔可夫模型的无线通信网络入侵检测方法

传统的入侵检测方法对网络环境复杂性和数据流特征的变化容易受到影响,导致效果不佳。文章提出了一种基于改进隐马尔可夫模型的无线通信网络入侵检测方法。引入异常状态转移概率矩阵和动态阈值策略,从而提高入侵检测的准确性和鲁棒性。另外,本文还针对现有模型在处理大量数据时的计算复杂度问题,提出了分组渐进压缩的方法,有效提高检测效率。分析实验结果可知,所提出的方法在无线通信网络中具有较好的入侵检测效果,能够有效地识别恶意攻击并降低误报率。

基于隐马尔可夫模型的医院通信网络DDoS攻击检测方法

常规的医院通信网络DDoS攻击检测矩阵结构一般设定为独立形式,致使攻击检测范围的扩大受到限制,进而一定程度上导致DDoS攻击检测召回率下降。针对上述问题,文章提出了一种基于隐马尔可夫模型的医院通信网络DDoS攻击检测方法。该方法根据当前的测定需求及标准对DDoS攻击进行特征提取,采用多目标的方式设计检测矩阵,解析DDoS攻击方向具体位置以及攻击的范围。在此基础上,构建隐马尔可夫医院通信网络DDoS攻击检测模型,采用多元识别+组合处理的方式来实现DDoS攻击的检测目标。测试结果表明:采用本文所设计的方法,DDoS攻击检测召回率可以达到80%以上,对于医院通信网络的攻击检测效率更高,泛化能力明显提升,具有实际的应用价值。

基于隐马尔可夫模型的SQL注入攻击行为检测

为分析恶意用户对Web系统的攻击行为,提出基于隐马尔可夫模型(Hidden Markov Model, HMM)的SQL注入攻击检测方法。利用HMM模型对隐状态的描述能力完善Web用户行为模型,该方法能够基于自定义日志做出SQL注入的预测而无须捕捉用户提交的敏感信息,采用概率分析和偏离度分析的方法,得到用户SQL注入可能性的综合评价,从而发现潜在威胁,提升对目标Web应用的攻击检测能力。此外采用K-means和FCM两种方法对比实验,验证了所提出的方法在Web系统SQL注入攻击检测中的有效性。

用于隐马尔可夫模型语音带宽扩展的激励分段扩展方法

语音带宽扩展通过人为恢复窄带语音的频谱带宽来提高语音听觉质量。针对源滤波器扩展模型的激励扩展问题,提出一种分段扩展方法。该方法在扩展带的低频段与高频段部分分别采用窄带激励源的高频部分与帧能量等效的白噪声作为激励信号,最后两者与原窄带激励组成宽带激励信号。基于隐马尔可夫模型(HMM)谱包络估计的宽带语音重构实验结果表明:该方法降低了重建语音的失真度,恢复重建的语音信号优于谱平移激励扩展方法。

基于超状态隐马尔可夫模型的智能电能表非侵入式故障远程检定

存在故障或误差的智能电能表不仅给电网企业带来经济损失,而且其中的安全隐患容易影响电网的稳定运行,尤其是对成分复杂的智能电网体系。针对这一问题,提出一种基于超状态隐马尔可夫模型(Super-State Hidden Markov Model,SSHMM)对故障电能表进行非侵入式远程检测与定位。该方法不仅能发现已经出现故障的电能表,还可以对最有可能出现故障的电能表进行估计,为电网企业的运营管理提供参考,在真实数据集上的实验结果验证了该方法的有效性与稳定性。

基于隐马尔可夫模型的时空轨迹语义匹配方法

时空轨迹数据关联的语义信息能更好地反映用户行为,对于POI密集分布的城市区域,轨迹的语义信息很难根据单一的距离或时间要素进行匹配,该文设计一种基于隐马尔可夫模型(HMM)的时空轨迹语义匹配方法。首先,利用时间阈值与距离阈值提取逗留点,并利用考虑时间的DBSCAN聚类方法对逗留点进行聚类,得到由抽象停留位置构成的轨迹;然后,结合POI数据获得停留位置的候选语义,再以停留位置序列为观测序列,以每个停留位置所关联的候选地点作为隐藏状态建立HMM,并用改进的加权距离的TF-IDF方法计算HMM的观测概率;最后,解算HMM得到最有可能的访问地点序列作为轨迹的语义匹配结果。该方法不依赖其他外部数据或训练数据,适用于POI密集分布的城市区域,基于真实时空轨迹数据集的实验结果验证了该方法的有效性。

陀螺电机轴承健康评估隐马尔可夫模型适应性设计

陀螺电机的轴承一般采用小体积、高精度的角接触球轴承,其健康状况无法通过外观检查、计量等方法检测,故障具有隐蔽性、潜伏性,当故障发生时,将直接影响陀螺的精度及寿命,故需提前对潜在故障进行识别。基于电机定子电流评估的基本原理,选取若干定子电流特征参数用于故障诊断;基于隐马尔可夫模型(HMM)的基本原理,对其进行适应性设计,根据特征参数的特点,提出局部、全局线性归一化方案,并设计适用于多特征参数的模型参数求解算法、轴承健康评估算法。实例验证表明,通过对HMM的适应性设计,健康轴承、故障轴承对应HMM的模型参数正确收敛,健康评估模型成功建立;使用该模型对已知健康、故障的6块电机轴承进行健康评估,可迅速、准确获得评估结果,准确率为100%。

改进连续隐马尔可夫模型的有杆抽油故障诊断

利用人工智能诊断有杆抽油系统故障时,描述工况的示功图成为机器学习的对象,提取示功图特征和建立诊断模型是主要步骤。已有的依据阀门工作位置的几何特征未能直接反映示功图的面积,因此提出一组改进的训练特征,并采用连续隐马尔可夫模型(CHMM)建立诊断模型。为了使参数的初始化更可靠,使用与混合高斯模型相关联的K-means聚类算法。将本文提出的诊断方法用于真实油井的示功图集进行测试,结果表明,本文方法不仅有效,而且改进的训练特征和建模方法都提高了诊断的准确率。

基于多指标隐马尔可夫模型的技术生命周期识别方法研究

技术生命周期阶段的精准识别有助于为政府制定技术战略提供决策参考,为企业尽早捕捉技术领域未来的发展契机和可能的发展趋势。以专利指标为主,构建多指标测度体系与隐马尔可夫模型结合的技术生命周期识别模型,然后采用智能手表相关子技术验证此模型的有效性及准确度。较S曲线和多指标技术生命周期模型而言,多指标隐马尔可夫模型的技术生命周期识别模型在技术生命周期不同发展阶段分界方面更加符合实际,更加精准。

基于隐马尔可夫模型的无线传感网络入侵检测系统

当无线传感网络受到不同攻击类型的入侵时,当前的无线传感网络入侵检测系统对于入侵节点的检测率和数据传输成功数量过低,因此基于隐马尔可夫模型(Hidden Markov Model, HMM)设计了一种无线传感网络入侵检测系统。首先,基于HMM建立检测流程,分析HMM结构;其次,将观测序列之间匹配的概率作为入侵检测的判断依据,并提取入侵攻击特征,包括节点的工作状态、活动情况、位置等信息;最后,优化入侵检测算法,将传感器节点和数据中心分离进行匹配计算,最大限度化简计算步骤,提升系统检测效率。系统性能测试结果表明,设计的系统在不同的攻击类型下,测试周期内入侵节点检测数量和成功接收的数据量均高于原有系统,验证了系统的高可靠性。

基于隐马尔可夫模型的在线视频个性化推荐研究

基于隐马尔科夫模型的个性化推荐系统,通过对模型进行三个层级的推荐设计,采用逐层递进的方式来实现个性化推荐目标。并且每个推荐层级针对不同的用户群体。对目标用户的历史观看记录中存在的兴趣关键词加权处理,以及建立用户兴趣时间转移阈值,推荐给资深用户最可能感兴趣的在线视频内容的方法,完成资深用户的个性化推荐目标。

基于高维SIFT改进隐马尔可夫模型的多目标跟踪

针对多目标跟踪领域中出现的遮挡、目标身份互换等问题,本文提出了一种基于尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)关键点和隐马尔可夫模型的多目标跟踪算法。首先,在视频序列中逐帧提取每个目标的关键点集,并对其进行条件约束;其次,以得到的关键点集作为目标的状态建立隐马尔可夫模型,根据模型在时序段内传递状态的规律求出模型对应的参数;最后,以当前帧的观测状态和参数求出下一帧的隐性状态,实现对目标位置的预测。为了提升模型的推理速度,建立了表征全部目标的高维观测状态模型。与其他先进的算法在MOT17、MOT20、KITTI数据集上进行了仿真实验对比,结果表明本算法在跟踪准确度等指标上表现较优,并对遮挡和身份互换问题有较好的鲁棒性。

基于前馈隐马尔可夫模型的机器人演示轨迹精准重构方法研究

针对隐马尔可夫模型在机器人演示轨迹编码过程中存在的参数估计效率低,轨迹重构精度差的问题,提出了一种基于前馈隐马尔可夫模型的机器人演示学习方法。该方法通过林德-布佐-格雷(LBG)算法对采集的多条演示轨迹进行关键点识别,利用最小失真准则选取合适的轨迹计算模型初始化参数,结合鲍姆-韦尔奇算法完成模型参数估计。在此基础上,通过维特比算法计算每个样本点最可能的归属状态,并采用极大似然估计对归属每个状态的样本点重新计算状态参数,最后通过高斯混合回归获得重构轨迹。为验证算法的有效性,设计了手写字母轨迹数据集和晶圆机械臂自动上料轨迹的演示学习实验,并引入平均弗雷歇距离定量评估轨迹重构精度。实验结果表明:采用本文所提方法的重构轨迹在晶圆机械臂自动上料轨迹中的平均弗雷歇距离为5.49,较传统方法提升了15.15%的轨迹重构精度,具有良好的应用前景。

基于隐马尔可夫模型的电压暂降发生时间预测

通过电能质量监测系统(power quality monitoring system,PQMS)中蕴含的电网历史故障变化、趋势等重要信息,对未来电压暂降进行预测,可为用户和电网公司合理规划生产,避免经济损失提供有力帮助。该文提出一种基于隐马尔可夫模型的电压暂降发生时间(occurrence time of voltage sag,OTVS)预测方法。首先对电压暂降发生时间的变量可预测性、数据冗余性、事件混沌性进行分析,揭示电压暂降监测数据特性;然后针对这三种特性,提出基于模糊C-均值聚类算法(fuzzy C-means algorithm,FCMA)和赤池信息准则(Akaike information criterion,AIC)的电压暂降历史状态识别与划分方法,以区间型变量刻画监测数据中的历史变化信息;建立考虑暂降历史变化信息和电网扰动变化信息的隐马尔可夫模型,实现对未来电压暂降的预测。最后,利用中部某省10个监测点的历史数据进行验证,所提方法的预测准确率最高可达92.85%,所提方法的预测性能较其他典型预测方法约高5%~30%。

基于改进隐马尔可夫模型的输电线路覆冰厚度概率预测

针对输电线路覆冰过程复杂的特征因素,以及确定性预测难以为电网管理者提供覆冰事故更为全面的预测信息的问题,本文提出了一种基于隐马尔可夫模型的输电线路覆冰厚度概率预测模型。该方法不依赖任何严格意义上的假设,并且基于真实输电线路覆冰实数据驱动。首先,给出了改进隐马尔可夫模型的理论及其基础问题求解方法的推导过程。通过对输电线路覆冰厚度及气象因素进行分级得到模型建立所需的状态空间与观测空间。最后,基于实测线路覆冰监测数据,对检测区间内发生的4次覆冰增长进行了交叉预测分析,给出了两种计算方式下的确定性预测值与不同置信度下的覆冰厚度预测区间。同时,引入支持向量机模型进行确定性预测结果的分析对比。结果显示,本文提出模型的概率预测结果拥有良好的锐度与可靠性,确定性预测结果拥有较强的预测性能表现。

应用隐马尔可夫模型和价格行为分析辅助原油采购决策

近百年来,世界各国围绕石油定价权展开了激烈争夺。大量衍生品和金融机构积极参与其中,使石油实体市场变成了瞬息万变的金融市场,石油消费国也因此收复了部分石油定价权。对石油消费国而言,通过科学使用金融策略,可在一定程度上削弱石油资源供应受制于人的巨大风险。隐马尔可夫模型(HMM)在当前金融工程的背景下已有很多应用,包括股指、原油期货、航油期货等走势预测,在没有突发极端因素的影响下,应用模型预测风险可以促进石油套期保值,平抑原料价格波动对下游企业生产效益的影响。我国在国际市场的原油采购规模巨大,在石油期货市场上的正确预测和决策有望带来较大的成本优势。

隐非齐次马尔可夫模型的贝叶斯推断

当前,在教育学、心理学、经济学、社会学等许多领域经常会遇到异质纵向数据.隐马尔可夫模型因其对异质纵向数据良好的建模和分析效果而受到广泛关注.在传统隐马尔可夫模型的基础上,引入非齐次马尔可夫状态转移方式,并与多元正态分布相结合,提出了隐非齐次马尔可夫多元正态分布模型.首先,介绍隐非齐次马尔可夫多元正态分布模型的数学定义;其次,详细介绍模型参数后验分布的推导过程及MCMC算法设计;最后,设定了四个模拟实验进行比较分析,结果表明贝叶斯推断方法是可靠的.研究发现隐非齐次马尔可夫模型可以覆盖齐次隐马尔可夫模型,应用更广泛.

基于隐马尔可夫模型的查询扩展方法

对查询进行扩展的目的是找出查询中的潜在语义,确定用户意图,进而构造更适合于搜索引擎检索的查询语句,以提高检索的准确率。提出利用隐马尔可夫模型预测查询中的潜在语义的方法,该模型在大规模用户查询日志上进行训练。由该模型预测出的扩展语句查询的准确率较词共现扩展、同义词扩展等方案均有明显提升。