基于HHMM的多线索融合和事件推理方法

为了解决基于内容检索技术中低层特征与高层语义之间存在语义间隔问题提出了基于多层次线索与事件的分层模型,以及相应的基于分层隐Markov模型(HHMM)的多线索融合和事件推理方法。其中线索是对事件进行推理的要素,它是低层特征与事件之间的中间层次。在将视频流分割为镜头后,从各个镜头中抽取若干与事件密切相关的线索,构造并训练各事件的HMM模型,用于融合线索和进行事件推理。由于输入视频通常包含多个事件,不可避免会遇到时域分割问题,因此构造一个HHMM模型用于同时进行视频流的合理分割和事件的识别。对足球视频的大量实验结果表明,该方法可有效地检测足球视频事件,并在抽取的线索不完全可靠的情况下具有一定的鲁棒性。     

城市实景模型结构化线面特征重构方法

为了改善城市实景模型边缘模糊,提出了一种曲率引导的结构化线面特征重构方法。根据曲率特征将网格分割为平面、可展凹、可展凸以及不可展曲面4类,在平面分割结果内提取平面,在可展凹和可展凸分割结果内提取直线,对过度弯曲的不可展区域进行保留,最终形成包含几何特征的复合网格模型。结果表明,结合曲率信息预先设置几何特征的潜在范围,使得结构化线面特征更可靠,同时保证城市实景中复杂的树结构不被错误地提取为平面。     

小波包隐Markov模型刀具状态识别研究

针对切削过程中振动信号的特点,利用小波包得到信号能量分布,借助于隐Markov模型(HMM),并以信号的能量分布为特征进行分类,得到一种基于小波包和HMM的切削过程监测新方法.利用实测的钻削振动信号,对该方法进行验证.结果表明该方法能够较有效地识别切削过程刀具的工作状态.     

基于自适应MCMC采样的新型UPFNN铝电解能耗模型

针对铝电解过程中噪声密集、分布类型未知且参数特征高维而导致建模精度不佳的问题,提出一种基于自适应MCMC采样的新型无迹粒子滤波神经网络(AMCMC-UPFNN)建模方法.该方法首先利用无迹变换(UT)中κ参数的平方项代替UPFNN算法中对应的常规项,避免因维数过高而导致UT矩阵出现非正定情况,保证UPFNN中Sigma点采样的合理性;然后,在传统MCMC方法基础上引入自适应采样策略来保持粒子的多样性,使所建立概率密度分布更接近真实分布;最后,与相关建模方法开展铝电解工业应用验证实验.结果表明,AMCMC-UPFNN模型预测精度的相对误差百分比不超过1%,取得了比PFNN、UPFNN和MCMC-UPFNN更优的性能指标.     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

不间断供电的计算机开关电源的研制

以设计一种新电脑电源(ATX)—带UPS断电续电功能的电脑电源为目的,从ATX开关电源和不间断电源最优结构的各个模块出发,着力将它们功能相近或相同的模块进行整合共用.测试结果表明该新型电源各参数都符合设计要求,具有性能优良、价格低廉、使用方便、体积小等优点.     

基于隐马尔可夫模型的DNA序列识别

利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.8%.与支持向量机相比,隐马尔可夫模型在解决多分类问题方面具有优势,不但计算时间少,而且识别率高.     

智能仪器中一种菜单式人机界面的软硬件设计

由点阵式液晶显示器和旋转式光电编码开关构成的智能仪器的人机交互界面,使仪器的操作向菜单式、傻瓜型迈进.在阐述光电编码开关基本原理和使用方法的基础上,介绍了I2C接口芯片电路形成的硬件输入结构,该结构体现了简洁的风格.在软件方面,则以当前的液晶屏显示窗口作为界面状态,以状态跟踪为主线形成基于界面状态的模块式程序结构,这种程序结构的作业链清晰,便于调试,而且适合于仪器改进和升级时功能软件的增加或变换.在由上位机与之组成自动测试系统时,操作命令下传后的任务执行程序也是及其简单的.     

基于跳跃马尔可夫模型的红外点目标检测方法

提出一种基于跳跃马尔可夫模型的红外点目标检测方法,根据模型设计了采用粒子滤器的模型参数与状态估计算法.该方法既能用于图像的空域滤波,也能用于序列图像的时域滤波.实验表明采用该方法进行空域/时域滤波可以极大地抑制杂波背景并增强点目标的可检测性.     

A GMRP Approach for Reliability Analysis of Repairable Systems

We propose here a mathematical approach for the study of repairable systems with arbitrary distributions. The idea is to define a new type of stochastic process, called a generalized Markov renewal process (GMRP). which may describe the transition behavior of the stochastic process at non-regenerative points. In the paper an analytical method for the GMRP is put forward and the formulas are then presented for reliability analysis of repairable systems which can be described by a GMRP with finite states. A signal flow graph technique for system modeling is also summarized here. Finally- an analytical model to evaluate the reliability of a m-out-of- n.G system with general repair-time distribution is developed by means of the GMRP approach.