基于最大互信息的连续型隐马尔可夫模型参数训练方法

研究了基于最大互信息(MMI)的连续隐马氏模型参数训练,并给出了具体的算法.     

基于马氏距离和模糊C均值聚类的抠图算法与应用

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理;然后在正则化图像背景中选取适当的掩膜作为样本集,计算各像素与样本集之间的马氏距离;再利用模糊C均值聚类算法对计算出的马氏距离进行分类;最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验,结果显示本算法可以自动抠图,且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果.     

单离子通道的隐马氏模型与状态的还原

对细胞膜单离子通道建立隐马氏模型，其中通道潜在的开关状态序列{xt}为马氏链，而膜片钳记录数据{xt}为依赖通道状态的正态分布。用EM算法估计模型中的转移概率以及正态分布的均数与方差等参数，并利用隐马氏模型的性质，用观察到的{Yt}来还原通道潜在的开关状态{Xt}。     

专家系统中基于模糊对象匹配的研究

提出并研究一种新的知识表达模型"模糊对象".它突破传统的精确模型,是一条将模糊理论和面向对象技术应用于专家系统的途径.详细分析了该模糊对象模型的意义、知识表达结构以及它在模糊专家系统中的推理机制.并应用格贴近度和综合函数γ-operator两种方法计算模糊对象与规则中各种模糊对象模式之间的匹配程度.实验表明,该方法能显著地提高信息的准确性和有效性.最后探讨了用基于模糊专家系统外壳FuzzyCLIPS实现这一方法的可行性.     

基于椭球凸模型的结构模糊可靠性分析

结构工程中不仅存在随机不确定性,还存在模糊不确定性.针对结构模糊可靠性问题,提出了一种基于模糊分解定理的超椭球凸模型响应面法,适用于隐式结构功能函数的模糊可靠性求解问题.首先,通过在置信水平[0,1]内遍历隶属度值确定结构可靠度的可能性分布函数,将模糊变量转化成在置信水平[0,1]下的区间变量;其次,建立超椭球凸集模型...     

基于偶对约束和马氏距离的半监督模糊聚类算法

研究了基于偶对约束的半监督模糊聚类,将马氏距离引入到半监督模糊聚类SCAPC(semi-supervised fuzzy clustering algorithm with pairwise constraints)中,获得了一种新的半监督模糊聚类目标函数,通过求解优化问题,提出了一种基于偶对约束和马氏距离的半监督模糊聚类算法M-SCAPC(Modified-SCAPC).针对选择的标准数据集和人工数据集,对提出的算法M-SCAPC进行了实验研究,并与FCM(fuzzy C-means)、AFCC(active fuzzy constrained clustering)和SCAPC算法的聚类性能进行了比较,表明了提出的算法M-SCAPC在收敛速度和正确率方面的有效性.     

基于融合距离法的柴油机故障诊断方法

针对故障特征变量在相关性模糊时,经典马氏距离和欧氏距离均无法有效计算故障特征的问题,将马氏距离与欧氏距离相融合,提出一种新的距离融合度量方法.该方法利用特征变量相关系数来确定权系数,将马氏距离与欧氏距离进行动态加权,兼顾了特征变量的相关性和独立性,可有效地提高故障诊断精度.仿真算例分别从诊断精度和聚类效果上验证了融合距离法的有效性.     

一种基于模糊线性方程组的模糊随机时间序列模型

利用模糊系数实变量的线性方程组建立了一种新的模糊随机时间序列模型.模型的求解被转化为一种线性规划问题,它可广泛应用于不确定环境中的各种预报.     

基于FVQ和HMM模糊训练的语音识别方法

本文提出了一种基于模糊矢量量化（ＦＶＱ）和隐马尔柯夫模型（ＨＭＭ）模糊训练的语音识别新方法．利用模糊矢量量化替代了传统方法中的矢量量化，语音特征参数序列经过模糊矢量量化后得到模糊观察符号序列．在此基础上提取出一个反映训练样本总体随机变化特性的模糊观察符号序列，然后用它对该音节的ＨＭＭ进行一次性全局训练，训练算法经传统的Ｂａｕｍ－Ｗｅｌｃｈ算法改进得到．经十个汉语数字的对比实验表明，该训练算法大大提高了系统的训练速度，模糊矢量量化与传统的矢量量化相比，不仅提高了隐马尔柯夫模型的鲁棒性，进而提高了系统的识别率，而且在语音训练数据不充足的情况下，也能得到很好的识别性能．     

隐马尔可夫模型及在人脸识别算法中的应用

介绍了隐马尔可夫模型(HMM)及其三大算法,并将其引入人脸识别的研究中,描述了一种基于隐马尔可夫模型的人脸识别方法.一幅正面人脸图像的重要特征具有一定的顺序,它可以通过一维的HMM来建模,每个特征区域被指定为一个状态,通过K-L变换将降维以后的特征矢量作为观察矢量.和其他人脸识别的方法比较,隐马尔可夫模型更能为人脸检测和识别提供灵活的框架.     

非线性广义Markov跳变系统的异步耗散控制

研究了一类在Takagi-Sugeno模糊规则下的连续时间非线性广义Markov跳变系统的严格异步耗散控制问题.首先，通过构造保守性较小的模态独立Lyapunov函数，推广到相应的广义系统并给出随机稳定且严格耗散的充分条件.然后，引入在实际中应用广泛的隐Markov模型，通过将状态转移概率与隐Markov模型的相关的条件概率相结合，并通过Schur变换，设计了可以与原系统异步运行的模糊状态反馈控制器，以保证闭环系统的随机稳定和严格耗散.最后，数值仿真使用Matlab中线性矩阵不等式(LMI)的工具箱来验证，说明结论的有效性.     

Software Maintainability Evaluation Based on Quantitive Model

Software maintainability is one of the most important factors of software quality,but it is seriously difficult to evaluate the maintainability. Without evaluation,it is impossible to control. To estimate software maintainability state,parameter system of software was built up and maintainability state was defined into three states.Thought of application on maintainability evaluation based on hidden Markov chain( HMC) and fuzzy inference was presented.Three-state maintainability estimation model was constructed. To testify the feasibility of the model, a real example of software maintenance activity was carried out and the result from the example validated that the results of this study were applicable.     

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．     

基于MHMM的脱机手写体字符识别

对隐马尔可夫模型(HMM)的训练方法及模型参数的选取进行了探讨,并将HMM理论用于脱机手写体识别中,建立了一种基于字符投影变换图像的边界链码特征的多重隐马尔可夫模型(MHMM).实验结果表明,该方法是可行的,且具有良好的兼容性和灵活性,可应用于手写体字符的自动识别中.     

基于改进的隐马尔科夫模型的语音识别方法

针对隐马尔可夫（HMM）语音识别模型状态输出独立同分布等与语音实际特性不够协调的假设以及在使用段长信息时存在的缺陷,对隐马尔可夫模型进行改进,提出马尔可夫族模型。马尔可夫族模型可看作一个数学上由多个马尔可夫链构成的多重随机过程,HMM模型则是双重随机过程,因而,HMM模型可视为马尔可夫族模型的特例。马尔可夫族模型用条件独立性假设取代了HMM模型的独立性假设。相对条件独立性假设,独立性假设是过强假设,因而,基于马尔可夫族模型的语音模型更符合语音实际物理过程。在马尔可夫族语音识别模型中引入状态段长信息,能自动根据语速对语音单元段长进行调整。非特定人连续语音实验结果表明,利用状态段长信息的改进语音识别模型比经典HMM模型的性能明显提高。     

基于改进的隐马尔科夫模型的词性标注方法

针对隐马尔可夫(HMM)词性标注模型状态输出独立同分布等与语言实际特性不够协调的假设,对隐马尔可夫模型进行改进,引入马尔可夫族模型。,该模型用条件独立性假设取代HMM模型的独立性假设。将马尔可夫族模型应用于词性标注,并结合句法分析进行词性标注。用改进的隐马尔可夫模型进行词性标注实验。实验结果表明:与条件独立性假设相比,独立性假设是过强假设,因而基于马尔可夫族模型的语言模型更符合语言等实际物理过程;在相同的测试条件下,马尔可夫族模型明显好于隐马尔可夫模型,词性标注准确率从94.642%提高到97.126%。     

均衡化的改进K均值聚类法

为了进行连续马尔可夫模型的初值提取,提出一种各类在训练样本空间近似均衡分布的K均值聚类法。在聚类的过程中引入惩罚因子,从而限制过多的训练矢量集中于一个或几个类,使样本空间划分近似均匀。连续马尔可夫模型初值提取实验证明,该方法与标准的K均值聚类法、LBG(L inde Buzo G ray)聚类法相比,降低了矢量量化产生的全局失真,各个类在样本空间的分布更加均匀,提高了矢量量化的性能。将该方法用于孤立词识别连续马尔可夫模型的初值提取,可使各个高斯概率密度函数的参数估计更逼近其无偏估计,从而提高了马尔可夫模型初值的可靠性。     

用动态Bayesian网络建立宏观经济系统模型

针对限制动态 Bayesian网络方法应用的 Markov假设和转移概率时不变假设 ,研究了如何利用部分观测信息建立宏观经济系统的 Markov模型以及如何建立转移概率具有时变特性的宏观经济系统模型。对不满足 Markov假设的演化过程 ,通过在模型中添加隐藏变量建立 Markov模型 ,并对 EM- EA算法进行扩展 ,使之用于带隐藏变量的动态 Bayesian网络的学习。对不满足时不变性的转移概率 ,应用多项式拟合方法直接从数据构造时变转移概率模型。理论分析表明了论文方法的正确性和可行性     

酵母基因启动子序列结构与转录频率的关联性分析

分别基于Markov链模型、频率分析和加权Markov链模型分析k-mer(主要考虑k=6的情形)在DNA序列中的使用情况,并以此定义模糊相对熵度量2个DNA序列结构的差异程度.将转录频率较低的启动子序列作为对照,分析其它转录频率不同的酵母基因启动子序列与对照序列中k-mer隶属度的模糊相对熵的变化,发现基因转录频率与模糊相对熵存在线性正相关关系.一般地,转录频率相差越大的基因,其启动子序列结构的差异越明显.这提示酵母基因启动子序列结构与基因转录频率有一定关联性.与Markov链模型和频率分析法比较,加权Markov链模型的模糊相对熵能更有效地度量基因启动子序列结构的差异.