单离子通道潜在信号的马氏距离判别

提供了还原单离子通道信号的一种方法.基于混合正态分布,用马氏距离给出通道开关阈值,判断通道状态.     

时序模型Xn＋1=TZn-1（Xn,εn＋1（Zn＋））的极限行为

提出了一个随机环境下的时间序列模型，应用马氏链的随机稳定性理论，讨论了该模型确定的序列{Xn}的极限性质，给出了{Xn}依某种方式收敛以及以几何速率收敛的充分条件．     

矩阵秩在判定齐次马尔可夫链遍历性中的应用

利用常规方法判断齐次马尔可夫链的遍历性有时显得比较麻烦,文章引入矩阵秩,给出判断齐次马尔可夫链遍历性的一个新方法.设{Xk,k≥0}为具有n个状态的齐次马氏链,R(Z)=m,则有:当m=n时,齐次马氏{Xk,k≥0}具有遍历性;当m相似文献   

时序模型Xn+1=TZn-1(Xn,εn+1(Zn+1))的极限行为

提出了一个随机环境下的时间序列模型,应用马氏链的随机稳定性理论,讨论了该模型确定的序列{Xn}的极限性质,给出了{Xn}依某种方式收敛以及以几何速率收敛的充分条件.     

单无限环境中马氏链的存在性

对给定的一转移函数族,通过构造两种不同的双链{（Xn,T^nε0 ^∞）,n≥0}和{（Xn,εn）,n≥0},用两种不同的方法分别证明了单无限随机环境中一般状态空间马氏链的存在性。     

伪压缩映像修正迭代序列的强收敛性

在严格凸自反的实Banach空间的框架下,用一种变形的隐迭代格式xt=tf（xt）＋ux,＋vTx,,研究一闭凸集合K上的伪压缩映像的不动点问题,当满足适当条件,且t→0,u→0时,{xt}强收敛至T的一个不动点,并且此点也是一类变分不等式的解．     

Banach空间中非Lipschitzian半群的逼近序列的强收敛

C是一致凸B anach空间X中有界凸闭子集,X的范数一致G-可微,证明了渐近非扩张型半群的公共不动点集F(S)是C的sunny、非扩张压缩;给出了逼近序列{xt}的强收敛性,其中xt=atx (1-at)T(μ)xt.     

四重马氏平稳过程的非线性预测问题

假设{X（t），t∈R^1}是由广义Wiener随机积分所定义的四重马氏平稳过程．如果该随机过程{X（t），t∈R^1}被一有界Borel可测函数f（＊）变换，则得到新的随机过程，记为Y（t）=f（X（t））．作者在本文中，首先粗略地研讨了四重马氏平稳过程{X（t），t∈R^1}及其均方导数的一些概率性质．其次，对于一些构造较简单的Borel可测函数f（＊），较详细地探讨了随机过程{Y（t）=f（X（t））}的非线性均方预测问题．     

混合对数正态分布最大值的极限分布

设{Xn,n≥1}是独立同分布的随机变量序列,并且每个随机变量Xn服从混合对数正态分布.Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,同服从混合对数正态分布的独立随机变量最大值的极限分布以及相应的赋范常数.     

输入和服务均与系统状态相依的排队模型--其队长的瞬时分布

探讨了一个有如下特征的排队系统:系统的到达间隔序列{τm}及服务过程{un}均为相互独立但不一定同分布的随机变量序列.每个τm及每个vn的分布均与系统的瞬时状态有关.易见,此系统是经典的GI/G/1排队系统的拓广.利用补充变量技术,可以得到一个多维马氏过程,使得上述系统的瞬时队长过程为此多维过程的一个分量过程,借助马氏过程理论,系统的瞬时队长分布的积分表示被导出.在一定条件下,该积分表示的被积项能够递归地求取.     

一类隐马尔可夫模型的若干极限性质

假定隐藏的马尔可夫链为非齐次，研究隐非齐次马尔可夫模型的一些强极限定理．首先在引理中得出了隐非齐次马尔可夫模型的一些性质，从而导出了隐非齐次马尔可夫模型的三元函数一类平均值的强极限定理．作为定理的推论，得到了隐非齐次马尔可夫模型状态出现频率的一类强极限定理．隐马尔可夫模型可应用于弱相依随机变量的建模上，也可用作研究发音过程、神经生理学与生物遗传等方面的工具．     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

基于隐马尔可夫模型和遗传算法的地图匹配算法

综合采用隐马尔可夫模型(HMM)和遗传算法,提出了一种新的地图匹配算法.首先初始化HMM概率矩阵,然后使用前向后向算法进行参数学习,用Viterbi算法预测一组路段序列,最后将路段序列作为种群,通过遗传算法得到最优的路段序列.采用北京市2012年出租车GPS定位数据分别对传统的基于隐马尔可夫模型的算法和新算法进行测试,实验结果表明,传统的基于隐马尔可夫模型的算法的匹配精确度低于90%,新算法的匹配精确度高达90%以上.     

n阶隐马尔可夫模型的参数估计

给出了n阶隐马尔可夫模型( HMMn)的定义及结构.在传统的隐马尔可夫模型及二阶隐马尔可夫模型( HMM2)的基础上研究了HMMn的前向、后向算法,Baum-Welch算法,并导出了HMMn在单观测序列和多观测序列培训两种情况下的参数估计公式.     

一种基于Hawkes过程的隐藏情绪倾向识别方法

为有效模拟情绪的动态转换过程,检测个体在交互过程中隐藏的情绪倾向从而提高虚拟交互过程的智能性,首先利用Hawkes过程模拟个体情绪的产生与衰退过程,然后利用隐马尔科夫模型检测个体的表情并将其映射到情绪模型的维度空间,最后通过对比受到事件刺激前后观测到的情绪状态来推导个体针对事件的情绪倾向.在个体隐藏情绪状态的情况下,系统采用持续追加正向刺激的策略激活个体的情绪表达,对于无法检测到情绪表达的状态采用默认为负倾向的策略.实验显示,本方法能够有效计算个体隐藏的情绪倾向并提高交互的智能性.      

移动信道三状态Markov模型建立及其差错序列的计算机软件产生

提出了一个建立在简单分群的 Markov 模型基础上表示移动信道的三状态Markov 模型,利用非线性最小二乘拟合法求得了此模型的解析表达式,并计算出描述模型的概率转移矩降 P。根据此模型给出的参数,用计算机软件实现方法产生出描述移动信道长突发错误特性的信道差错序列{e_(?)}。模拟结果表明,用三状态 Markov 模型表示移动信道比用 GEC 模型表示移动信道具有更高的精度,而且比一般分群的 Markov 模型更简单、实用。     

一种带有模糊观测层的隐马氏模型

提出了一种带有模糊观测层的隐马氏模型,称之为模糊隐马氏模型,它给我们提供了一种在模糊集的框架下解决兼有模糊性和随机性问题的方法.更重要的是它建立起来了一条联系连续隐马氏模型和离散隐马氏模型的纽带.     

基于DDBHMM的LVCSR系统的单步搜索算法

为了在大词汇量连续语音识别(LVCSR)系统中能够利用段长信息,该文按树状组织发音词典,利用语言模型预测技术,基于最大似然状态序列(M LSS)算法,给出了采用基于段长分布的隐含M arkov模型(DDBHMM)的LVCSR系统的二元文法语言模型的单步搜索算法。实验结果表明,尽管单步搜索的替代错误率高于双步搜索,但单步搜索的插入和删除错误率都比双步搜索要低,总体性能上单步搜索要好于双步搜索。同时,DDBHMM能较准确地利用了语音信号中的状态段长信息,采用DDBHMM的LVCSR系统比采用经典的齐次HMM的系统有更好的识别性能。     

基于文本分块的多模板隐马尔可夫模型的文本信息抽取

针对文本信息抽取中训练数据来源的多样化，不利于学习到最优的模型参数的问题，提出了一种基于多模板隐马尔可夫模型的文本信息抽取算法. 新算法利用文本排版格式、分隔符等信息，对文本进行分块，在此基础上，通过对训练数据分成多个形式模板训练隐马尔可夫初始概率及转移概率参数，最后，结合统一训练的释放概率参数，对文本信息进行抽取. 实验结果表明，新算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能.     

基于隐马尔可夫模型与并行模型组合的特征补偿算法

提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法.首先,利用一个包含较多状态的隐马尔可夫模型来描述全部单词特征向量的分布.然后,根据静音段估计的噪声均值和方差,采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵,使之与识别环境相匹配.最后,根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率,并通过最小均方误差准则估计纯净语音特征向量.实验结果表明,该算法能够更加准确地估计纯净语音特征向量,其性能明显优于基于高斯混合模型的特征补偿算法;状态转移矩阵压缩算法可以在不影响补偿精度的前提下,显著减少前向后向算法的计算量.