基于隐马尔可夫链的广播新闻分割分类

提出了使用具有模拟随机时序数据良好能力的隐马尔可夫链来完成广播新闻分割分类的算法 .首先使用含隐藏语义状态的隐马尔可夫链把原始广播新闻粗略分割分类成开始 /结束和语音两部分 ,其次应用 3个隐马尔可夫链 ,按照最大似然概率法把语音片段预识别为主持人介绍、广告和天气预报 ,最后由语义变化速率识别出新闻现场报道 ,完成广播新闻的精细分割分类任务 .

基于隐马尔可夫链模型的软件维护性评估方法研究

针对当前软件可维护性评估主观性强,可操作性弱等问题,提出了定量描述维护性的维护时间统计概率描述方法,引人隐马尔可夫链(HMC)模型对维护性状态变迁过程进行描述,以可度量的维护性内部属性影响因素集量化值为观测序列,以维护时间统计概率为状态序列,构造了反映可维护性状态转移的HMC模型;收集配置管理库中软件模块历史维护时间从而确定完成维护任务频率来估计软件维护性初始状态,利用复杂网络特性计算软件维护性影响因素集的量化值,理论上即可评估出当前软件所处的维护性状态,最后运用实例对模型进行了训练与评估;结果表明,利用模型评估出的概率与实际维护任务统计出的可维护性概率基本一致,说明该方法可行且可重复,具有一定实践意义和研究前景。

基于几何约束与隐马尔可夫链模型的轴孔装配策略

针对工业机器人自动装配效率低、环境适应性差等问题,提出一种基于几何约束物理模型与隐马尔可夫链模型(HMM)的机器人轴孔装配策略。首先,通过建立轴孔各接触状态下几何与力学模型,分析零件装配过程中几何约束与受力特点,以获得轴孔装配策略的理论装配轨迹。其次,应用基于隐马尔可夫链模型和高斯混合回归(HMM-GMR)的少样本示教学习方法获得装配过程中的期望接触力,通过导纳控制器对理论轨迹进行补偿,实现对期望接触力的跟踪,从而保证实际装配过程中接触运动的准确性和鲁棒性。最后,针对最小间隙为0.16 mm的轴孔零件进行装配实验,验证了在少训练样本、较大定位偏差情况下所提出装配策略的有效性。

基于隐马尔可夫链和支持向量机人脸识别混合模型的视频节目聚类标注

人脸在视频节目中代表了重要语义信息 ,提出使用支持向量机和隐马尔可夫链混合模型对人脸进行识别 ,然后把识别结果进行高斯聚类 ,实现视频节目的内容标注 .具体步骤如下 :首先建立人脸肤色模型 ,对视频图像中可能的人脸区域进行定位 ;从定位区域提取人脸各个器官的独立基特征 ,然后使用支持向量机和隐马尔可夫链混合模型对定位区域进行人脸识别 。

基于二次聚类和隐马尔可夫链的持卡消费行为预测

银行卡支付在社会消费行为中占很大比例,在促进经济增长中发挥重大作用,因此,预测持卡消费行为具有重要意义。然而,传统方法难以有效应对复杂数据和动态变化。为此,提出基于二次聚类和隐马尔可夫链(HMC)理论的个体消费行为预测方法。首先,对消费行为按照序列进行模式聚类,并引入惩罚聚类进行二次聚类,对序列模式中的层次状态进行平衡划分;其次,利用HMC来估计序列中消费层次的状态转移,对用户的未来消费行为进行预测。最后,通过实验比较分析传统聚类、无惩罚序列聚类和带惩罚项的聚类结果表明,提出的基于二次聚类和隐马氏链的方法更适用于消费者行为预测。

基于隐马尔可夫链的自适应MODE及应用

不同的控制参数设定和生成策略(交叉和变异)都会对多目标差分进化算法的性能产生显著影响。为实现其控制参数和变异策略的实时自适应调整,提出一种基于隐马尔可夫链的自适应多目标差分进化算法。该算法利用隐马尔可夫模型对种群信息进行分析并得到最优序列,通过最优序列与实际状态序列的对比得出变异缩放因子F与交叉概率CR的最大似然估计值,从而实现控制参数的自适应调整;同时,通过隐马尔可夫模型得到一组策略链来辅助多目标差分进化算法来选择合适的变异策略。通过与其他9种多目标进化算法在16个测试函数上的对比研究,结果表明所提算法的整体性能优于其他比较算法。最后,将该算法用于求解海铁联运能耗优化问题,所得结果能够为决策者提供多种可行方案。

基于隐马尔可夫链的上证股指建模

本文引入了连续观测概率分布下的一类隐马尔可夫链模型。通过探讨该类模型的时间序列特征以及相应的模式辨识理论,提出一类新的指数预测方法。作为实证应用,我们选择上证指数2002年12月17日至2011年3月18日共2000个交易日的数据样本进行模型拟合和预测。结论显示,三维隐马尔可夫链模型能较好的拟合采样区间内的上证指数,而调整10日加权的预测方法则给出了关于样本外股指价格较为精确的预测。

基于隐马尔可夫链的设备行为识别

研究了一种基于隐马尔可夫链的设备行为识别方法。首先,利用分段累积近似法对得到的时间序列数据进行分割,提取了8种时域特征和时间差特征,使用回归随机森林通过计算特征值的重要性得分进行特征选择;其次,结合熔炼炉的熔炼工艺流程来设置隐状态数目,利用得到的特征进行模型的训练和测试;最后,通过实验对比了隐马尔可夫链和K-menas、KNN、SVM、决策树等方法的运行时间和识别的准确率。结果表明:隐马尔可夫链准确率较高,适用于设备行为的识别。

基于隐马尔可夫链的音频语义检索

作为多媒体媒质之一的音频信号蕴涵了丰富的视觉听觉语义,但是目前多媒体检索主要利用的是视觉信息,音频信息被忽略。为了弥补这一不足,本文介绍了一个音频语义检索原型系统,在这个系统中,音频信号被分层次处理:首先分析音频信息中的短时能量、过零率和基本频率能量比等特征,音频信息流被接层次粗分为静音、和谐音乐、对话和环境背景音四类;由于环境背景音蕴涵了大量语义,环境背景音被继续细分,井用训练好的隐马尔可夫链表示每类环境背景音以进行语义检索。实验数据表明,这样的音频查询处理方式取得了良好效果。

马尔可夫调制的几何布朗运动的最小熵鞅测度(英文)

本文中,我们考虑风险资产由马尔可夫调制的几何布朗运动驱动的期权定价问题.在此模型中,市场参数如市场利率、升值幅度和风险资产的波动率都依赖于不可观的经济状态,而这些经济状态是由连续时间隐马尔可夫链来描述.由马尔可夫调制的几何布朗运动描述的市场一般不是完备的,因此鞅测度不唯一.我们采用最小熵鞅测度作为马尔可夫调制的几何布朗运动模型的适宜的鞅测度,并且得到了一般意义上的最小熵鞅测度.

非齐次马尔可夫LPV系统的H_∞异步控制

针对存在外界干扰的情况,对一类离散时间非齐次马尔可夫线性变参数(linear parameter-varying,LPV)系统的H∞异步控制问题进行了研究。由于实际非齐次马尔可夫系统的系统模态难以直接获得,考虑了控制器模态和系统模态不一致的异步问题,并用一个非齐次隐马尔可夫模型建模。非齐次马尔可夫系统和非齐次隐马尔可夫链的时变特性分别由分段齐次状态转移概率矩阵和分段齐次条件概率矩阵描述,且受同一个高层齐次马尔可夫链支配。针对上述问题,完成了对闭环非齐次马尔可夫LPV系统的稳定性分析、H∞性能分析和H∞异步控制器设计,使系统在受到外界干扰和控制器模态与系统模态存在异步现象的情况下满足给定的H∞性能指标。最后通过对直流电机的仿真实验验证了利用非齐次信息得到理论的有效性和优越性。

基于隐Markov模型的最优资产组合选择

在具有可观测和不可观测状态的金融市场中,利用隐马尔可夫链描述不可观测状态的动态过程,研究了不完全信息市场中的多阶段最优投资组合选择问题.通过构造充分统计量,不完全信息下的投资组合优化问题转化为完全信息下的投资组合优化问题,利用动态规划方法求得了最优投资组合策略和最优值函数的解析解.作为特例,还给出了市场状态完全可观测时的最优投资组合策略和最优值函数.

RFID数据在供应链中的过滤算法研究

无线射频识别技术已经被认为是供应链管理中必不可少的功能,特别是对于零售商们做出决策的数据收集能力。然而,许多错误的读数却可能导致完全相反的决定。在本文中,我们提出7种模型及其匹配算法用以过滤那些原始数据,以便管理者能够在供应链管理中更好地使用收集到的RFID数据。

基于神经网络的语音信号识别与分类

针对基于深度神经网络的端对端的语音识别技术展开研究,通过深度全序列卷积神经网络(DFCNN)声学模型和Transformer语言模型搭建一种端对端的语音识别系统。该系统完成对模型及数据的训练,实现对多字符中文语音的识别,并对隐马尔可夫语音识别方法和深度神经网络下的语音识别方法的系统搭建难度、原理差异和识别精确度进行对比研究。仿真结果表明,所提方法能够实现对连续多字符中文语音的有效识别,识别正确率在90%以上。

利用杉木的F_1代群体构建遗传连锁图谱

对于杉木 1∶1分离的分子标记位点 ,提出了一种新的构建遗传连锁图谱的策略。通过二点连锁分析 ,任意两个位点的连锁相和重组率可以得到推断和估计。对于一个连锁群中的最优排序 ,采用隐马尔可夫链模型的方法进行多位点的连锁分析。该作图方法比通常林木上所用的“拟测交”作图方法更有效。采用该作图策略 ,利用句容0号无性系 (♀ )×柔叶杉 (♂ )的F1代群体的AFLP分子标记数据重建了句容 0号无性系和柔叶杉的遗传连锁图谱。在句容 0号无性系的连锁图谱中 ,有 10 1个标记分布在 11个连锁群上 ,图谱的总长度为 2 2 82 6cM ,平均图距为 2 2 6cM ,单个连锁群上最多含有 17个标记 ,最少含有 5个标记 ;在柔叶杉的连锁图谱中 ,有 94个标记分布在 11个连锁群上 ,图谱的总长度为 2 5 6 5 8cM ,平均图距为 2 7 3cM ,单个连锁群上最多含有 16个标记 ,最少含有 4个标记。构建的句容 0号无性系和柔叶杉的遗传连锁图谱比原有的图谱分别增加了 2 6个标记和 2 8个标记 ,双亲的图谱共增加了 5 4个AFLP标记 ,使图谱上的分子标记总数达到 195个 ,双亲遗传图谱的跨度均超过了 2 0 0 0cM ,基本上达到了杉木基因组的长度 ,图谱的覆盖率接近于 10 0 %。利用新的作图方法可以较大提高分子标记在图谱上的分辨率 。

地铁车辆电动塞拉门的剩余寿命预测

针对地铁车辆客室电动塞拉门传动装置润滑不良的问题,提出了基于自组织映射(SOM)神经网络、隐马尔可夫链(HMC)模型和蒙特卡罗(MC)仿真的剩余使用寿命预测方法。该方法首先对采集到的电机电流信号进行特征提取;然后利用SOM对提取出的多维特征数据进行融合与编码,将所得结果作为HMC的输入向量,训练得到全部寿命下劣化状态转移矩阵;最后利用MC方法实现对其劣化过程的剩余使用寿命预测。故障模拟实验结果表明,该方法可以在考虑润滑不良故障模式下,有效预测得到电动塞拉门丝杆的剩余使用寿命。

人工心理情感模型的个人机器人

以心理动力学中心理能量概念为基础,根据情感能量守恒定律,建立了情感状态能量分布描述空间和情感状态的概率描述空间,分析情绪状态的变化过程,提出情绪状态自发转移过程的隐马尔可夫链及其模型算法.利用MATLAB建立相关情感状态变化的仿真研究平台,研究情感状态的变化规律.根据以上人工心理情感模型及其变化规律构建出个人机器人综合研究平台软、硬件体系结构,并通过该系统的实际运行实验验证了其有效性.

一种基于卫星网络的虚拟网络功能快速映射算法

针对卫星网络中卫星载重有限,不允许大规模部署物理硬件,导致其网络功能欠缺且网络管理和配置不灵活的问题,文中提出了基于软件定义网络(Software Defined Networking,SDN)/网络功能虚拟化(Network Function Virtualization,NFV)协同部署的卫星网络新架构。它通过SDN数控分离思想对网络进行动态管控,利用NFV技术在SDN的数字平面虚拟出网络功能,使网络功能能够从硬件设备中解耦出来,从而提高网络的灵活性。为了解决此框架中虚拟网络功能(Virtual Network Function,VNF)映射到底层物理网络上的时延过大且无法满足高动态卫星网络实时性的问题,进一步提出了Viterbi和图形模式匹配(Graph Pattern Matching,GPM)相结合的动态映射方法(Viterbi and GPM Dynamic Placement Approach,VG-DPA)。该算法将映射过程建模为隐马尔可夫服务链,采用Viterbi算法预计算满足软硬件限制的映射路径,然后根据预计算结果通过GPM来制定VNF编排策略。该算法解决了卫星网络中将所需的VNF映射到底层物理网络中时延过大的问题。实验结果表明,VG-DPA与传统的RAND和OMD算法相比能在很大程度上降低时延,减少资源消耗。

一种基于多类型情景信息的兴趣点推荐模型

当前最新的兴趣点推荐工作开始融合地理、文本和社交信息进行推荐,但是还存在信息挖掘不充分的情况。为此,提出了改进的多类型信息融合的联合概率生成的兴趣点推荐模型。首先提出了自动学习文档话题数目的分层狄利克雷过程主题模型,学习用户和兴趣点相关兴趣话题;同时,利用由签到分布决定带宽大小的核密度估计法,个性化地理信息对用户签到行为的影响,而且还融合了用户位置访问序列中已访问兴趣点对待访问兴趣点的影响,即序列模式的影响;然后综合考虑了用户社交关系的影响;最后基于联合概率生成模型,融合文本、地理、社会和序列信息,提出TGSS-PGM兴趣点推荐模型,依据计算结果从而生成兴趣点推荐列表推荐给用户。实验结果表明,该模型在推荐准确率等多种评价指标上都取得了更好的结果。

连续时间遗传算法模型及其强收敛性分析

本文在隐马尔可夫链的框架下利用隐马尔可夫链 {Xt∶t∈ [0 ,∞ ) }的观测链的概率分布提出一个连续化遗传算法模型 ,并给出其一个强收敛结果 ,讨论了其离散骨架的性质 .