基于小波域的纹理图像分析

图像纹理信息丰富，准确地进行纹理特征描述，必须尽可能抓住其本质特征和属性。本文以小波域为分析基础，并结合图像特点，提出在全树状小波分解的基础上建立数学模型，在子图选择上用图像熵作为判据，使分解更有针对性并使计算效率得以提高。     

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

基于特征和隐马尔可夫模型的文本信息抽取

基于文本分块提出一种新的文本信息抽取技术,该技术利用文本的语义特征和结构特征,抽取具有特征的状态,以此结果为基础,进一步运用改进的隐马尔可夫模型,抽取剩余的无特征状态.对美国CMU大学CORA搜索引擎研制组提供的数据集中的100篇进行测试,结果显示精确度和召回率比基于单词和传统隐马尔可夫模型的方法都有所提高,并进一步提高了效率.     

基于Contourlet域隐马尔可夫树模型的SAR图像滤波方法

为了获得更好的合成孔径雷达(SAR)图像滤波效果,提出一种基于Contourlet域隐马尔可夫树(CHMT)模型的SAR图像滤波算法.提出基于粗分类的系数绑定方法,提高了CHMT模型参数的解算速度;综合应用对数变换、循环平移和均值校正等方法,建立了针对SAR图像乘性斑点噪声模型的统一滤波处理框架,并将基于CHMT模型的滤波算法融入该框架之中;通过对SAR影像进行滤波实验,并将该滤波算法与Lee滤波、小波软阈值滤波等方法进行了比较.可视效果和统计指标显示:基于粗分类的系数绑定方法在改善滤波效果的同时,对CHMT模型解算的速度有很大的提高;在统一滤波框架下,基于CHMT方法的滤波效果优于其他的几种滤波方法.     

基于改进的隐马尔可夫模型的网页预取

为提高基于隐马尔可夫模型(HMM:Hidden Markov Model)的网页预取精度,对经典隐马尔可夫模型的两个前提假设进行了扩展,推导出新模型中计算观测序列概率的公式.由此构建出可用于网页预取的高阶隐马尔可夫模型,同时为降低高阶隐马尔可夫模型的空间复杂度,给出了构建树状状态空间存储访问序列的算法.介绍了将改进的隐马尔可夫模型应用于网页预取的具体方法,通过对比实验证实该方法的预取准确度提高了7%.     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征,并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法,实验证明,该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机,提出了一种新的水声非高斯噪声信号的识别分类方法,实验证明,该方法具有较好的分类性能．     

语音识别中隐马尔可夫模型状态数的研究

该文从信息论的观点出发,对语音信号的隐马尔可夫模型（ＨＭＭ）的状态数进行研究,建立了ＨＭＭ的状态数研究的简化模型,指出ＨＭＭ的信息熵是由语音信号的固有熵和附加熵组成。随状态数增加,信息熵趋向固有熵。最后,在综合考虑信息熵和运算量两方面因素情况下,得出了状态数宜在６￣８之间的结论。     

连续型隐马尔可夫模型(HMM)参数迭代算法

本文提出了一种新的连续型隐马尔可夫模型（ＨＭＭ）的密度函数，并导出了一系列的参数寻优迭代公式，与常用的概率密度函数相比，它的运算量较小，且不易产生计算时的上溢和下溢问题，把它用于ＨＭＭ语音识别，效果较好。     

基于自回归隐半马尔可夫模型的设备故障诊断

提出了一种新的隐马尔可夫模型(HMM)拓展模型自回归隐半马尔可夫过程(Auto-Regressive Hidden Semi-Markov Model,AR-HSMM),并给出了模型参数的推导和相应的"前向-后向"算法.与传统的HMM相比,AR-HSMM有以下两个优点:①把传统HMM所假设的隐藏状态分布改进为显式高斯分布;②改进了传统HMM假设各观测变量相互独立的问题,通过在各观测变量之间建立联系,从而使之更加符合实际情况.在液压泵故障诊断中的应用实例表明,AR-HSMM在故障诊断中是非常有效的.     

一种改进的隐马尔可夫模型训练算法

将类关联特征(class-dependent feature,CDF)用于隐马尔可夫模型(hidden Markov model,HMM)的建模,提出了一种新的HMM训练算法,与传统的HMM训练算法在理论上完全一致,但新算法避免了直接估计高维的状态输出概率密度函数(probability density function,PDF),可提高模型参数的估计精度.     

隐马尔柯夫模型在信号检测中的应用

用隐滤波器隐马尔哥尔夫模型从相似功率谱噪声中检测脑电信号，运用似然比检验的方法对混有噪声的脑电信号进行检测。实践表明，该方法检测效果较好，在－１８ｄＢ信噪比时仍得到满意的ＲＯＣ曲线。     

量化子空间分布隐马尔可夫模型的间接训练

研究了量化子空间分布隐马尔可夫模型(quantized subspace distribution hidden markov model，QSDHMM)间接训练所涉及的三个关键的问题：连续分布隐马尔可夫模型(continuous distribution hidden markov model，CDHMM)的训练、特征子空间的划分和子空间高斯分布的量化方案。提出了相关特征子空间的定义及实现算法。在仿真实验中，采用基于分类学的：Bhattacharyya距离测度的K均值高斯聚类算法对子空间高斯分布进行量化，用最相关子空间的概念划分特征子空间，并将这两者结合使用，提高了系统的识别精度和速度。     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型（LCHMM）可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型（M—LCHMM）图像去噪算法。算法主要有两步：局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M—LCHMM的去噪效果优于目前许多已有的去噪算法。     

基于隐马尔科夫模型的上下文感知活动计算

为了推理移动用户在智能空间的活动,提出了基于隐马尔科夫模型的上下文感知活动计算．首先按照上下文的定义,采用元组方法表示移动用户和智能空间,然后根据活动理论基本构成元素和面向客体活动原理来描述用户活动和智能空间的状态变化,最后引用隐马尔科夫模型建立起用户活动与智能空间状态变化之间的联系,从而实现活动计算．该模型可以完整地描述活动分解为动作的过程,还可以根据每种活动的动作链标记用户活动数据,却不需要用户直接参与数据的标记．将该模型的动作状态数与上下文感知经验采样工具（ESM）的动作状态数进行比较,结果表明该模型的平均活动识别准确度比ESM高25％．     

An Intelligent Web Pre-fetching Based on Hidden Markov Model

Web pre-fetchin8 is one of the most popular strategies,which are proposed for reducing the perceived access delayand improving the service quality of web server. In thispaper, we present a pre-fetching model based on the hiddenMarkov model, which mines the latent informationrequirement concepts that the user‘s access path containsand makes semantic-based pre- fetching decisions.Experimental results show that our scheme has betterpredictive pre-fetching precision.     

基于隐马尔可夫模型的Web网页预取

为了缓解网页访问延时的问题,提出了一种基于隐马尔可夫模型的网页预取方法。该方法借助隐马尔可夫模型,挖掘蕴涵在用户访问路径中的信息需求概念,以此进行预取页面的评价,最终实现基于语义的网页预取,实验结果表明,该方法具有较好的预取准确度。