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.     

关于隐马尔可夫模型的一个极限性质

隐马尔可夫模型是研究发音过程、神经生理学与生物遗传等问题的有力工具,并且在弱相依变量的建模上得到了广泛应用.本文假定隐藏的马氏链为非齐次的,从而导出了该模型泛函序列{fn(X0,...,Xn,Yn)}的强极限定理.     

任意离散值随机变量序列泛函的一类强极限定理

当 {Xn,n≥ 0 }是离散值随机变量序列时 ,建立了关于泛函 { fn(X0 ,X1,… ,Xn) ,n≥ 1}的强极限定理 ,作为推论 ,得出了关于任意随机变量序列及m重非齐次马氏链的随机选择的强极限定理 ,它是关于 (单重 )非齐次马氏链的随机选择的强极限定理的推广 .     

非齐次马氏链随机选择的一个强极限定理

利用鞅方法，研究非齐次马氏链随机选择的若干强极限定理。     

隐马尔可夫模型的拓朴应用

以非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Mode1)出发,用自适应函数链神经网络与非齐次隐马尔可夫模型相结合,训练出适用环境变化的HMM模型,并应用该混合模型进行语音识别.实验结果表明,该模型适合于对噪声背景下的语音进行识别,该模型具有更好的鲁棒性,在信噪比较低的情况下,可以提高识别率.     

连续状态非齐次马氏链的强极限定理

利用似然比的概念及鞅收敛定理,得到取值于连续状态非齐次马氏链的强极限定理。     

连续状态非齐次马氏链的强极限定理

利用似然比的概念及鞅收敛定理,得到取值于连续状态非齐次马氏链的强极限定理.     

随机环境中非齐次马氏链的一类强极限定理

利用鞅方法 ,研究随机环境中非齐次马氏链二元泛函的若干强极限定理     

关于K重马氏链的一类强极限定理

利用随机变量序列相对于Ｋ重马氏链的随同比较系数概念研究了关于状态序组出现的频率的一类强极限定理。     

非齐次二重马氏链的一个极限性质

马尔科夫过程是概率论的重要分支之一,而马尔科夫链的极限理论是马尔科夫过程研究的基本领域之一。本文利用分析方法研究非齐次二重马氏链的极限性质,得到关于非齐次二重马氏链的一个极限定理,并给出几个有用的推论。     

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.     

关于二重非齐次可列马氏链的一类极限定理

给出了可列非齐次二重马尔可夫链的三元状态序组出现频率的一类强极限定理和推论．在定理的证明中,采用一种研究概率极限的新方法：分析法——而不是传统的研究概率极限的概率方法,并且加以改进,用以研究可列非齐次二重马氏链极限性质,并得出一类非齐次可列二重马氏链的极限定理,所得结论对任意可列非齐次二重马尔可夫链都成立。     

广义Bethe树图上马氏链场的若干强极限性质

利用鞅方法构造鞅,根据Doob鞅收敛定理和一些特殊的不等式研究了广义Bethe树图上可数状态马氏链场的局部收敛定理．作为推论,得到了此类树图上可数状态马氏链场关于状态与状态序偶出现频率的若干强极限性质和Bethe树图或Cayley树图上可数状态马氏链场关于状态与状态序偶出现频率的强大数定律．     

An Intrusion Detection Method Based on Hierarchical Hidden Markov Models

This paper presents an anomaly detection approach to detect intrusions into computer systems. In this approach, a hierarchical hidden Markov model （HHMM） is used to represent a temporal profile of normal behavior in a computer system. The HHMM of the norm profile is learned from historic data of the system＇s normal behavior. The observed behavior of the system is analyzed to infer the probability that the HHMM of the norm profile supports the observed behavior. A low probability of support indicates an anomalous behavior that may result from intrusive activities. The model was implemented and tested on the UNIX system call sequences collected by the University of New Mexico group. The testing results showed that the model can clearly identify the anomaly activities and has a better performance than hidden Markov model.     

关于非齐次隐马尔科夫模型的强极限定理

利用杨卫国提出的方法, 研究非齐次隐马尔科夫模型三元泛函的强极限定理.作为推论, 得到了一个已有的结论.     

快速小波域隐马尔可夫模型的图像去噪

在分析小波系数的指数衰减性和延续性的基础上，提出了一种模型参数初始化的方法．MATLAB仿真实验结果表明，该方法给出了合理的模型参数初值，在有效缩短训练时间的同时能获得较理想的去噪结果。     

基于广义隐马尔可夫模型的网页信息抽取方法

针对网页所特有的基于版面结构的特点,利用基于视觉的网页分割算法VIPS对网页分块,得到一种新的状态转移序列,取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型（GHMM）的状态转移和输出观测值假设条件,提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。     

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%。