用多观察序列训练隐马耳可夫模型的一种通用算法

隐马尔可夫模型(HMM:HiddenMarkovModel)是一种具有学习能力的统计模型。HMM在许多领域特别是在语音识别领域得到成功的应用。经典HMM的Baum Welch算法假设不同的观察序列之间是统计独立的,这与实际情况不符。本文在不附加任何假设的前提下,提出了一种用多观察序列训练HMM的算法,从理论上解决了上述问题。传统的Baum Welch算法只不过是新算法在观察序列独立假设下的特例。

基于多观察序列的HMM训练算法

特征独立假设被认为是隐马尔可夫模型方法的主要缺陷之一。文章研究了基于多观察序列的HMM训练算法。在该算法中,我们将多观察序列的条件概率表示成各观察序列概率的组合,避免了直接计算多观察序列条件概率的困难,与经典的HMM训练算法相比较,既考虑了训练序列之间的相关性,又不增加计算量。文章还证明经典的HMM训练算法可以由该算法导出。

依据观察器方位序列估算目标运动参数的方法

利用目标的方位序列跟踪目标的运动参数是非线性领域的一个经典问题。给出了一个形式简洁的方位随时间线性变化的可量测函数 ,并利用工作点漂移的技术解决了滤波器在方位小变化量时系统的不稳定现象。研究了利用观察器方位序列估计目标运动参数的方法。

基于多相关分组的HMM训练算法

在用多观察序列训练HMM理论的基础上,提出了一种基于对多观察序列按多相关系数分组的HMM训练算法(简称基于多相关分组的HMM训练算法).该算法避免了直接计算条件概率的困难,与传统的Baum-Welch算法相比,既考虑了训练序列之间的相关性,又不增加计算量.

基于HMM的移动预测模型与仿真

提出了一种基于隐马尔柯夫模型的移动预测模型,并给出增强模型预测能力和提高预测精度的方法。该模型用于预测移动IP网络中移动节点的运动方向和将要连接的接入路由器,为避免或减小由于移动造成的通信中断和时延赢得准备时间。仿真结果说明,模型的预测准确率较高,在适当选择状态数的条件下,模型对移动的随机性具有较好的适应能力。

一种基于隐马尔可夫模型的人脸识别方法

提出一种改进的基于隐马尔可夫模型的人脸识别方法。利用人脸隐马尔可夫模型的结构特征和Viterbi算法的特点,对特征观察序列进行分割,使用部分序列对所有隐马尔可夫模型递进地计算最大相似度,同时排除相似度最小的隐马尔可夫模型,减少观察序列的计算次数,提高识别效率。实验结果表明,该方法能在不降低识别率的情况下,有效提高识别速度。

剖面隐马氏模型训练算法的改进

利用剖面隐马氏模型获得多序列联配,一般需要经过初始化、训练、联配三个过程．然而,目前广泛采用的Baum-Welch训练算法假设各条可观察序列互相独立,这与实际情况有所不符．本文对剖面隐马氏模型,给出可观察序列在互相不独立情况下的改进Baum-Welch算法,在可观察序列两种特殊情况下(互相独立和一致依赖),得到了改进算法的具体表达式,讨论了一般情况下权重的选取方法．最后通过一个具体的蛋白质家族的多序列联配来说明改进算法的效果．

基于HMM的非特定人汉语语音识别系统

设计了基于隐马尔可夫模型(Hidden Markov Model,HMM)的非特定人汉语语音识别系统,主要由录音、训练和识别三大模块构成."录音模块"首先录制一段指定长度的语音信号,然后通过对语音信号的短时能量和过零率进行门限检测,标志出有效语音段并保存."训练模块"利用Baum-Welch算法计算语音样本的MFCC(Mel Frequency Cepstrum Coefficient)参数生成识别用的语音模板."识别模块"利用HMM识别算法比较语音信号和语音模板的相似概率,找到最大值输出,完成语音识别功能.最后,在MATLAB中实现了该语音识别系统.实验结果表明,系统的识别率为60%以上,若结合足够的训练,识别率可以更高.

基于局部奇异值算法的人脸识别研究

在基于HMM的人脸识别方法中,由于把奇异值向量作为观察向量且将整幅图的奇异值向量作为图像的特征,所以无法详细描述图像的局部细节。随后便提出将图像分割成多个子窗口,然后选取子窗口的局部奇异值组成人脸特征向量。通过对观察向量的仿真结果表明,这种方法在提高识别率方面都有很大进步,优于直接采用灰度值法、二维离散余弦变换系数法或采用奇异值向量法。

基于HSMM的人脸表情识别

针对表情识别中存在人脸关键部位被墨镜、口罩等物体遮掩的问题,提出了一种基于隐半马尔可夫模型(hidden semi-Markov models,HSMM)的人脸表情识别模型。该模型具有每个状态产生多个观察值、允许观察值缺省等特性,据此识别那些由于局部被遮挡或其它原因引起的丢失特征的人脸表情。实验结果表明,该模型提高了部分遮挡人脸的表情识别效果,同时对无遮挡人脸的表情识别也有所改善。

循环日记的尝试与训练——我的习作教学新思路

在中高年级开发并实施循环日记,通过设计观察序列、观照故事资源开发、强化诗性的挖掘等路径,开发了“观察动植物”“生活人物秀”“编写科学童话”“创编寓言故事”“仿写儿童诗”等微课程。在持续的尝试与训练中,学生的习作兴趣得到激发,进而乐于表达、善于表达。