基于隐马尔可夫模型的驾驶行为预测方法研究

根据驾驶行为受驾驶意图驱使,在时空上应先产生驾驶意图后有驾驶动作执行,再有具体的驾驶行为的时空顺序,利用意图到行为实现过程中的时间差,研究建立了基于多驾驶操作动作特征观测信息和隐马尔可夫模型的驾驶行为预测方法,实现了跑偏驾驶、一般转向和紧急转向3种驾驶行为的预测。从机动车安全预警的角度进行分析,预测出驾驶员的驾驶行为等同于获得驾驶员对车辆未来运行状态的需求,有助于及时纠正或干预驾驶员正在或即将实施的危险行为。

基于隐马尔可夫模型的软件状态评估预测方法

随着软件系统功能和性能的强化和提高,企业的管理效率在不断提升,运营模式也越来越丰富.与此同时,软件系统变得越来越复杂,这向软件系统管理和维护提出了严峻的挑战.如何通过采集系统外部特征参数,对系统内部状态进行客观、准确地评估和预测,成为亟待解决的问题.为此,提出了一种基于隐马尔可夫模型的软件系统状态评估预测方法.该方法基于软件系统外在特征参数,通过K-means方法构建系统的观测状态,并以此建立隐马尔可夫模型,建立起系统外在状态(观测状态)和内部状态(隐藏状态)之间的联系;再利用三次指数平滑法对具有周期性变化的系统特征参数进行预测,即可预测系统未来状态.针对基于B/S软件架构的信息管理系统的实验,其结果表明该方法对系统状态评估和预测具有较高的准确性.

基于改进HMM的车辆轨迹匹配方法研究

针对传统基于隐马尔可夫模型(HMM)的车辆轨迹匹配算法在复杂特殊路段无法兼备准确率与时间效率的问题,提出了基于改进HMM建模的车辆轨迹匹配方法。在候选路段的确定上通过生成网格索引提高整体检索效率,改进的HMM模型在发射概率的计算上综合航向角因素,考虑车辆速度对航向角造成的偏差影响,并设置经验因子进行调节。同时,考虑前后观测值误差过大及曲线路段等影响因素,采用单位采样间隔内的车辆实际行驶距离代替观测距离值,以保证传递概率计算的准确性。最后,利用实测数据进行试验,验证算法的性能。实验结果表明,所提方法匹配准确率约94.0%,相较于传统HMM轨迹匹配方法提高了2.8%,在提高时间效率及复杂路段的匹配准确度上也具有一定优势,单点匹配时间减少约0.9 ms,适用于交叉路口、立交桥、平行路段等复杂路况下的匹配。

基于隐马尔可夫的系统入侵检测方法

针对入侵检测中普遍存在误报与漏报过高的问题,本文提出一种新的基于隐马尔可夫模型的系统入侵检测方法。该方法以程序正常执行过程中产生的系统调用序列为研究对象,首先建立计算机运行状况的隐马尔可夫模型,然后在此模型的基础上提出一个用于计算机系统实时异常检测的算法。实验证明,用这种方法建模的系统在不影响检测率的情况下,比传统的数据建设模节省存储空间,并且准确率高。

基于Gabor脸和隐马尔可夫模型的人像识别算法

提出了基于Gabor小波变换和隐马尔可夫模型的人像识别算法.该算法先对人脸图像进行多分辨率的Gabor小波变换,采用主元分析法对每个结点进行降维,最后形成Gabor脸.把Gabor脸的每个特征结作为观测向量,对隐马尔可夫模型进行了训练,并把优化的模型参数用于人脸识别.实验结果表明,本文方法识别率高,复杂度较低,对部分遮挡的图像具有较大的容忍度.

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.

隐马尔可夫模型的一种有区分力的反向传播训练方法

研究隐马尔可夫模型 (HMM)的一种有区分力的训练方法 .在多层前向神经网络的框架中实现了 HMM的前向概率计算 .基于这一框架 ,利用偏导数的反向传播计算方法 ,通过梯度上升的优化过程来实现互信息的最大化 ,从而对 HMM进行有区分力的训练 .这一训练方法被称之为 HMM的反向传播训练方法 .此外 ,还设计了一个用以实现这一训练方法的在数值计算上具有强鲁棒性的算法 .语音识别的实验结果证实了这一训练方法的优越性 .

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%。

基于MFCC和HMM的语音识别优化方法研究

为探究基于梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔可夫模型(Hidden Markov Model,HMM)的语音识别优化方法,首先探讨语音识别系统的基本框架设计,其次分析MFCC特征提取方法,再次引入期望最大化(Expectation Maximization,EM)算法优化HMM参数,最后利用THCHS-30数据集进行实验验证。结果表明,引入EM算法优化HMM,可有效克服传统HMM在复杂语音环境下的识别困难问题,显著提升系统的识别精度和健壮性。

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。

基于周期的一阶隐马尔可夫模型及其学习算法

对于周期变动明显的数据,本文通过引入周期状态转移矩阵,提出了一种基于周期的一阶隐马尔可夫模型,分析并给出了该模型的似然计算、隐状态估计和模型训练算法。最后的数值实验表明,该模型能有效提高预测的精确度和模型的似然度,并加快模型训练的收敛速度。

基于隐马尔可夫模型和支持向量机的地图匹配算法

综合采用隐马尔可夫模型(HMM)和支持向量机算法(SVM),提出一种基于隐马尔科夫模型(HMM)优化的地图匹配算法。引入机器学习方法,利用支持向量机(SVM)算法对基于隐马尔可夫模型的地图匹配算法进行了优化,使用机器学习方法SVM训练状态转移矩阵,提高了状态转移概率的准确性。提出基于多重因素权重(距离、速度和方向)计算观测概率的方法,同时考虑了路段的宽度信息,提高了地图匹配的匹配精确度。基于真实数据对算法进行验证,与原始HMM算法相比,文中提出的优化算法在提高匹配精确度方面具有较好的效果,符合估计城市路径行程时间的数据需求。

隐马尔可夫模型(HMM)参数迭代与语音识别

本文分析了隐尔可夫模型(HMM)的参数迭代与语音识别问题,导出了一系列的参数寻优迭代公式,利用这组迭代公式,不易产生计算时的上溢与下溢,有效地提高了HMM语音识别系统的识别率与可靠。

基于隐马尔可夫模型的异常检测

首先建立了一个计算机系统运行状况的隐马尔可夫模型 ,然后在此模型的基础上提出了一个用于计算机系统实时异常检测的算法 ,这个算法根据最大信息熵原理 ,通过比较固定长度系统行为序列的平均信息熵和一个预先给定的阈值来检测入侵行为 .论文还给出了该模型的训练算法 .这个检测算法的优点是准确率高 ,算法简单 ,占用的存储空间很小 。

基于流形学习与隐马尔可夫模型的刀具磨损状况识别

为了提高金属铣削过程中的刀具磨损状态识别的自动化程度与精度,提出了基于局部切空间排列(LTSA)方法与隐Markov模型(HMM)来识别刀具的不同磨损状态的方法。该方法首先利用小波分析技术对铣削过程中的切削进给方向力信号进行处理,构造了高维特征空间。然后使用基于流形学习方法实现了高维特征空间的维数约简。最终利用约简后的低维特征向量训练HMM,从而实现刀具磨损状态的识别。实验结果说明该方法能够有效地识别铣削过程的刀具磨损状态。与未经特征维数约简的识别方法相比,新方法能够提高刀具磨损状态的识别效率与准确率。

基于隐马尔可夫模型的入侵检测系统

首先介绍了基于隐马尔可夫模型(HMM)的入侵检测系统(IDS)框架,然后建立了一个计算机系统运行状况的隐马尔可夫模型,最后通过实验论述了该系统的工作过程。通过仅仅考虑基于攻击域知识的特权流事件来缩短建模时间并提高性能,从而使系统更加高效。实验表明,用这种方法建模的系统在不影响检测率的情况下,比传统的用所有数据建模大大地节省了模型训练的时间,降低了误报率。因此,适合用于在计算机系统上进行实时检测。

面向语音增强的序贯隐马尔可夫模型时频语音存在概率估计

语音存在概率的估计是语音增强的核心技术之一,针对传统的存在概率估计方法是启发式的,没有把存在概率的估计统一到一个理论框架之中,不能保证估计最优,提出了一种基于序贯隐马尔可夫模型(SHMM)的存在概率估计方法,在每一子带上构建一个SHMM模型描述对数功率谱包络的时间序列,把谱包络序列看作一个在语音和噪声状态之间转移的动态一阶马尔可夫链,采用单高斯函数构建每一状态的概率模型,语音状态的后验概率即为语音信号的存在概率。为了满足算法实时性要求,SHMM参数估计简化为一阶回归过程,根据极大似然准则逐帧更新模型参数。实验表明:SHMM所描述的时序相关性对存在概率的估计起到关键作用,它优于一般的启发式估计方法;SHMM算法的语音增强分段信噪比(SegSNR)和对数谱失真(LSD)性能优于经典的改进型最小统计量控制递归平均(IMCRA)算法。

用于脱机手写数字识别的隐马尔可夫模型

将隐马尔可夫模型 (HMM)用于脱机手写数字识别中 ,系统如何建模是一个值得研究的问题 在考虑手写数字自身特点及特征抽取的基础上 ,对HMM模型的训练方法及模型参数的选取进行了研究 ,以提高系统识别率 在银行票据OCR的应用中 ,与基于神经网络的方法结合使用 ,使得整张票据的拒识率降低了 3% ,明显提高了银行票据OCR系统的性能 .

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法.小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性.由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解.同时,提出了一种规整化参数和HMT模型参数的自适应选择方法.实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高.

基于隐马尔可夫模型的情感建模

根据隐马尔可夫模型HMM的基本理论和算法设计了一个情感模型。该模型用E HMM构成:子层(即低层)HMM由3个HMM组成,分别对应3种心理情绪状态。外部刺激经过子层初步识别,其输出组成高级层HMM的观察向量,经过高层HMM,确定情感输出,从而提高了模型的准确性。