隐马尔科夫链模型在装备运行可靠性预测中的应用

为使企业内关键装备趋于零故障运转,提出了一种基于隐马尔科夫链模型的装备运行可靠性预测方法。它针对装备使用过程中所监测到的性能特征参数并不能与运行状态简单地一一对应的问题,引入隐马尔科夫链模型来识别多观测序列下装备隐含的状态变迁过程。根据建立的状态变迁模型并结合切普曼-柯尔莫哥洛夫微分方程来推断装备运行可靠性。最后,在欧泰OTM 650数控铣床上验证了该方法的可行性。

隐马尔科夫链在脉冲噪声建模中的应用

在中压电力线信道噪声中,随机脉冲噪声是影响中压电力线通信的主要因素。通过对中压电力线信道脉冲噪声的测量和统计,得到脉冲宽度和脉冲间隔时间的概率分布曲线。基于隐马尔科夫链建立了脉冲宽度和脉冲间隔时间的统计模型,通过拟合实际测量的概率分布曲线,得到模型参数。模型仿真结果显示,所建模型和实测概率曲线有较好的重合度。最终仿真实现了参数符合统计模型的随机脉冲噪声,为电力线通信进一步研究提供了理论基础。

基于隐马尔科夫链的微博信息热点抽取算法研究与设计

微博信息更新速度快、内容零散化,因此难以进行信息检索与数据挖掘。针对上述问题,提出了一个基于隐马尔科夫链的微博信息热点抽取算法,给出了该算法的基本处理思路与形式化表述,并最终对其进行了测试。实验表明,该算法具有良好的综合性能,能够高效准确的抽取微博信息热点。

多变点位置的识别隐马尔科夫链方法

本文利用隐马尔科夫链模型识别变点序列中变点的位置,探讨在放宽传统的隐马尔科夫链中转移概率矩阵的概念,简化各个状态之间转移概率的计算,从而更好地识别该序列中变点的位置,进而找出该序列中所有变点。

工业增加值比重能预测中国碳排放量吗?——基于隐马尔科夫链的实证研究

寻找有效的中国碳排放量预测方法,对于制定环境政策有重要意义.工业生产与环境污染关系密切,但现有研究大多聚焦于经济与环境的关系,对碳排放量预测方法或指标研究有限.文章尝试以工业增加值占国内生产总值的比重作为反映经济活动的代表性指标,通过隐马尔科夫链预测我国碳排放量,并与常用模型或指标的预测效果做了对比分析.分析显示,隐马尔科夫链拟合效果好,工业增加值比重可有效反映我国碳排放趋势,从而为碳排放预测提供了新的解决思路.

基于隐马尔可夫链模型的车道级地图匹配

稳定的车道级地图匹配对于自动驾驶系统至关重要。地图匹配技术一直是车载融合定位与高精地图语义信息的重要连接。本文提出了一种基于隐马尔可夫模型的实时车道级地图匹配方法,将车路融合感知计算下的车辆轨迹与车道级道路交通地图,进行匹配计算。在构建基于车道级地图的状态转移概率时,本文考虑了车道及其拓扑关联、车道线类型及换道许可规则、定位误差模式,并构建了隐马尔科夫模型中发射和转移概率等参数的数理模型。实验证明,本模型在不同的融合感知定位精度水平下,实现了较高的匹配精度。在主动添加1.5 m随机误差的条件下,依旧实现了96.09%的召回率和0.983 m的位置偏差。

隐半马尔科夫市场下投资组合的动态决策问题（英文）

在长期投资组合中,既要考虑金融资产自身的价格波动风险,又要关注宏观经济环境变化及通胀风险对各资产的影响.为此,本文建立宏观经济环境服从隐半马尔科夫链的金融市场,由通胀指数债券、银行存款和普通股票构成投资组合.由期望效用最大化构建随机控制模型,考虑到该隐半马尔科夫市场的不完备性,进一步将该投资组合问题视作部分信息的随机控制问题,并利用隐半马尔科夫滤波将部分信息控制问题转化问完全信息问题,得到解的存在唯一性.本文最后给出若干数值模拟结果,结果显示本文建立的模型优于普通市场的模型.

HMM特征提取结合感知哈希匹配的网络时间隐蔽信道检测

针对传统网络隐蔽信道检测识别率低和鲁棒性差的问题,利用正常信道和隐蔽信道在网络流量时间序列特性的差异,提出一种隐马尔科夫链(HMM)和感知哈希匹配的网络隐蔽信道检测方法。实验表明:所提方法能准确检测隐蔽信道的网络流量,且整体区分水平在70%~85%之间;在信号噪声干扰下能够保持较高的识别率,具有较好的鲁棒性;所提方法在感知特征提取花费的时间要明显少于传统的频谱域感知特征提取,且复杂度低。

基于L_1范数和隐马尔可夫链的用电设备非侵入辨识方法研究

针对用电设备非侵入式负荷辨识精度不高、效率低等问题,在综合隐马尔可夫链模型(Hidden Markov chain Mode)后,提出了一种基于L1范数的稳态特征非侵入负荷辨识的方法。该方法将稳态谐波电流及稳态有功功率作为特征参数建立特征数据库,再通过边沿检测获取准确的稳态状态段,然后运用L1范数最小化算法进行迭代计算,同时以训练完毕的隐马尔可夫链模型对其进行修正,有效解决了传统模式识别类算法稳定性差、辨识效果不佳的缺陷。同时通过仿真和实验分析,对所提出的方法和传统的辨识方法进行了对比分析,结果证明该方法具有良好的辨识精度和辨识效率。

基于EM方法的隐Markov软件可靠性模型

针对单一软件可靠性模型不能准确描述软件失效行为、无法合理准确地评估预测出软件可靠性的问题,将变点分析引入软件可靠性建模,提出了一种基于隐Markov过程的软件可靠性模型。该模型采用隐变量来描述影响软件可靠性的多种因素,通过隐变量的状态变化刻画出软件过程中各种因素的变化情况,构建出隐Markov链软件可靠性模型,并采用EM算法进行求解,通过实例分析来验证其有效性。实验结果表明,隐Markov链软件可靠性模型具有较强的变点检测能力,并能显著提高软件可靠性拟合精度。

基于梅尔倒谱系数的微细铣削颤振监测研究

微细铣削过程中的颤振是一种加工不稳定现象,会导致加工表面恶化、刀具快速磨损甚至刀具破损。本文提出了一种基于梅尔倒谱系数—隐马尔可夫模型改进的声音信号机器学习模型,更适用于加工过程的状态识别。开展Ti-6Al-4V钛合金微细铣削在不同加工状态下的声音信号采集试验,用于训练机器学习模型并获得模式库。通过对铣削过程中的不同声音信号与模式库进行比较,验证了所提出的机器学习模型的准确性。研究表明,基于合理的特征选取和模型参数优化,所提出的机器学习模型对加工状态的识别准确率达到82%。本研究可为改进微细铣削过程中的在线监测技术提供指导。

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差.针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法.将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度.利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别.对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图.对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果.

基于HMM和ANN的语音情感识别研究

语音情感识别是语音识别中的重要分支,是和谐人机交互的基础理论。由于单一分类器在语音情感识别中的局限性,本文提出了隐马尔科夫模型(HMM)和人工神经网络(ANN)相结合的方法,对高兴、惊奇、愤怒、悲伤、恐惧、平静六种情感分别设计一个HMM模型,得到每种情感的最佳匹配序列,然后利用ANN作为后验分类器对测试样本进行分类,通过两种分类器融合提高语音情感识别率。在通过诱导录音法建立的情感语音库的基础上进行了实验验证,实验结果表明识别率有较大的提高。

基于语音信号识别技术的智能发音练习系统

针对口语教学、语音矫正中受众群体多元、标准化衡量指标不足的特点,文中结合流行的混合高斯和隐马尔科夫链,设计完成了基于语音信号识别技术的智能发音练习系统。该智能发声练习系统采用混合高斯对数字化离散后的语音信号提取离散时间特征,然后采用隐马尔科夫链对离散的语音信号特征进行建模,最后通过Viterbi算法遍历隐马尔科夫状态搜索语音对应的文本。系统在页面展示上运用python、Django、JavaScript、HTML、CSS等多种主流技术进行开发,服务器采用Nginx+uwsgi实现了基于语音内容的在线学习、测试、练习、答疑与发音矫正等功能。经测试运行,同时松散基于MVC设计模式的Django具有扩展方便和对运行环境要求较低的优点,基本满足口语练习的需求。

气候多变型区域配电系统可靠性预测

为研究天气情况对配网系统可靠性预测结果的影响,在考虑三态气候状态下建立了可靠性评估的隐马尔科夫链模型,针对配网系统运行过程中所监测到的性能特征参数和不能与运行状态简单地一一对应的问题,来识别多观测序列下装备隐含的状态变迁过程。根据建立的状态变迁模型并结合切普曼-柯尔莫哥洛夫微分方程来推断系统运行可靠性。最后通过算例验证了文中模型及算法的可用性。

基于状态转移相似性的P2P僵尸网络检测方法

随着对等网络(P2P)的不断发展,基于P2P架构的僵尸网络(Botnet)也应运而生。在对P2P僵尸网络从案例和全局进行深入研究,分析现有检测方法的优缺点后,提出了一种根据Bot主机状态转移的相似性来进行检测的方法,使用隐马尔科夫链进行建模,采用分布式存储异常行为数据,集中数据挖掘方式提升检测的效率和准确率。

云计算环境下的移动视频传输速率控制机制

提出云计算环境下的移动视频传输速率控制机制,利用云强大的计算和存储能力,扩展手机性能.首先通过隐马尔科夫链预测无线带宽,利用屏幕分辨率和码率的关系,自适应地调节视频传输速率.在此基础上,设计缓存管理算法,进一步提高用户视频访问命中率.仿真实验表明,该机制可以显著提高用户体验和网络带宽的利用率.

基于改进LightGBM的交通模式识别算法

针对交通模式识别中非步行交通模式识别精度低的问题,提出一种改进后的Light GBM算法结合移动端的交通模式分类方法。该方法首先对数据集进行了滤波处理,选取了三轴加速度计、陀螺仪和磁力计这3种传感器数据的时域和频域特征作为模式识别特征量,然后通过采用Filter相关性度量CFS算法对特征进行打分排序,选择最优特征集,最后识别过程采用分层识别算法和基于居民出行规则与一阶隐马尔科夫链改进的K-lightGBM识别算法对交通模式进行识别,同时采用部分传统算法进行对比实验。实验结果表明,该方法不仅能识别多种交通模式,而且对居民的交通模式识别的平均准确率较高,达到了94%。

基于EM算法对报警时间序列的分析预测

报警之间有些是孤立的,有些相互之间存在着某种关联。尽管报警类型存在多样性,但其系统基本都是由幂律分配。报警间相关性的研究是报警预测和防范的重要手段。文章关注报警之间的事件时间间隔。通过使用一系列数学统计方法(如马尔科夫链、幂律指数函数等),对报警时间间隔进行分析,并对报警类型进行分类预测。区分出多个报警类型之间的关系,发现事件间时间分布与地震的分布相似。如果其不同于指数分布,则间接地证明了报警之间的非平凡时空相关性。结果表明,事件间时间统计对于描述报警的动力学至关重要。

基于虚拟仿真的体育教学实训平台设计

针对当前体育教学实训平台无法实现多路径教学导致教学效果差的问题,提出基于虚拟仿真的体育教学实训平台,将虚拟仿真技术应用到体育教学实训平台的设计中。通过平台逻辑架构设计、动作信息数据库设计、功能模块设计和用户界面设计,最终完成体育教学实训平台的整体设计;引入双层隐马尔科夫链,判断用户是在原始教学路径中继续学习还是根据评估结果选择新的教学路径。实验结果表明,所设计方法的体育运动轨迹与模板数据较为接近,运动关节角度也与模板数据较为接近,证明了所提方法的整体有效性。