隐马尔可夫模型

摘要： 为了应对电力系统的数据流量增长、提升电力用户体验,电力无线专网系统将由密集部署的宏微小区组成,而网络中的故障小区会带来覆盖盲点从而影响网络服务质量。为了解决电力无线专网宏微协同组网中基于人工的故障检测方式效率低且成本高的问题,提出了一种基于迁移隐马尔可夫模型(transfer learning based hidden Markov model,TL-HMM)的小区间协作式故障检测算法,以助力实现小区的自主监督,减小人力成本和开销。将小区的工作状态根据异常程度划分为4类;采用隐马尔可夫模型(HMM)根据电力用户测量报告推断小区的工作状态;引入提出的算法,加快算法收敛性,降低所需训练样本数和学习时间。仿真结果表明,提出的算法不仅学习速度快,且对小区故障的平均检测精度可达到90%以上。

摘要： 随着“电网新基建”方针的确立及加速推进,现代电网已日趋复杂化,影响电网规划及发展的指标及内外部因素众多,准确评估和评级电网的发展状态将有助于把握其发展规律。因此,结合现有的指标,综合内外部影响因素,提出了电网发展诊断的改进模糊评价模型并开展电网评级研究。首先分析并归纳电网发展各方面的重要指标参数,然后构建动态评价指标体系,并应用隶属度函数法及聚类分析法挖掘其关于各状态的趋势特征,最后应用隐马尔可夫模型进行综合评级。应用电网实际数据进行了算例分析,表明评级结果符合实际,有助于把握电网发展的动态规律。

摘要： 多尺度几何分析(Multiscale Geometric Analysis,MGA)为图像的高维奇异特性提供了一种更优、更稀疏的表示方法,从而为更好地捕捉图像中的多方向边缘和纹理特性提供了有效的支撑.图像MGA域隐马尔可夫树模型(Hidden Markov Tree,HMT)成功地对图像多尺度变换系数的统计特性及系数间的相关性进行刻画,为进一步挖掘图像更深层次特性提供了重要途径,在很大程度上提升了MGA在图像处理领域的有效性.本文对图像MGA域HMT模型的研究进展进行综述.先对传统MGA域HMT模型的发展进行分析和讨论,对其构建的一般过程进行了形式化描述;在此基础上,归纳了传统MGA域HMT模型存在的一些关键问题,并以此为导向对MGA变换域HMT模型的研究进展进行了分析和讨论;最后对MGA域HMT模型未来的发展情况进行了展望.

摘要： [目的/意义]本文基于探索用户持续使用行为原理,挖掘Vlog用户持续使用行为状态及影响因素。一方面帮助Vlog行业从业者扩大用户规模,加强用户黏性,增加用户信息共生;另一方面分析高质量Vlog的特征,帮助平台给博主提供更好的衡量指标。[方法/过程]基于ECM-ISC及S-O-R范式,构建Vlog用户的持续使用行为概念模型。结合HMM模型方法探索不同影响因素对不同情况Vlog的差异。[结果/结论]用户的信息关注和对视频的满意度会直接影响其Vlog使用决策。用户对视频整体体现的效果感受会直接影响用户持续使用行为的判断。由于不同视频类型的差异,不同用户的情感认同和沉浸体验有明显差异。

摘要： 恶意行为检测是通过观察分析智能体一系列行为过程中的动作和行为识别其行为目的的方法。为了排除智能体行为的复杂性、误导性带来的影响,以隐马尔可夫为基础构造规划识别方法,综合分析多个智能体行为之间的关联关系推测行为目的性。文章提出恶意行为检测模型的整体框架,简述了复杂数据下的特征抽象方法,进而提出基于隐马尔可夫实现的规划识别方法,利用可观察节点与隐藏节点之间的关联关系分析预测。以UNIX系统日志为对象设计实验实例,验证方法的有效性,实验结果表明在合理提取攻击特征的情况下,方法对于恶意行为操作有较好的学习与检测性能。

摘要： 针对设备剩余使用寿命预测问题,提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先,针对发动机结构复杂、监控数据参数多等问题,提出一种基于传感器信噪比和主成分分析(principal component analysis,PCA)降维的多源传感器数据融合方法。在此基础上,利用样本数据训练高斯混合隐马尔可夫模型,同时为降低模型偏差并避免过拟合风险,提出一种“定制”策略训练方法,训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后,通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证,并与几种具有代表性且预测精度较高的文献方法进行了比较分析,验证了方法的有效性。

摘要： 隐马尔可夫模型(HMM)是非侵入式负荷监测常用的算法.由于电压波动与负荷自身电气特性变化等原因,负荷的测量状态如功率可能持续变化,运行过程中出现新的状态转移,但当前基于HMM的非侵入式负荷监测方法并未考虑如何处理该情况,缺乏状态辨识与功率分解的泛化能力.针对这一问题,本文提出并构建二元参数隐马尔科夫模型(BPHMM),结合DBSCAN聚类算法,基于有功功率和稳态电流对负荷状态进行聚类,降低了因电压波动和噪声数据对负荷状态聚类结果造成干扰的可能性;改进维特比算法使其考虑到HMM模型参数更新以实现对负荷状态预测泛化性能的改进;考虑到功率的随机波动性,基于极大似然估计原理构建功率计算优化模型并实现负荷的功率分解.本文采用公共数据集AMPds2对所述方法进行验证,测试算例验证了所述方法的有效性.

摘要： 作为我国开放高等教育的主要形式,大规模私有在线课程(MPOCs)的学习管理系统积累了大量学习者行为数据。对于这些数据的分析,能够有效地探究教学与学习的规律,提高开放高等教育的实践和评估。文章运用隐马尔科夫模型识别了MPOCs中不同课程阶段的学习者交互活动的序列模式。研究结果表明,MPOCs中的学习者在学习周和考试周的行为模式存在明显差异,他们会根据不同的课程阶段调整学习策略和侧重点,但小组学习和讨论对于学习成效的影响不大,这一研究结果与传统主流研究中关于协作学习及讨论的正向研究结果有比较明显的差异。这些研究结果有助于学习者和教师动态地梳理教育教学过程,促使他们采用不同学习策略来促进教学与学习,以及从更加细致的角度来评估开放高等教育的教学效果。

摘要： 为了实时检测无人机异常状态,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)和决策树(Decision Tree,DT)的无人机异常检测方法(HMMDT)。首先根据异常致因将无人机异常分为干扰异常和硬件异常;然后结合HMM和DT建立无人机异常检测模型,定义无人机异常度衡量异常状态的严重程度,确定其阈值作为异常分类标准;最后用经纬600pro型无人机进行实操验证,该方法异常检测召回率达92.9%,准确率达97.2%;对硬件异常的识别准确率达88.2%。结果表明:与传统异常检测方法相比,该方法在可以满足无人机实时异常检测需要的同时,具有较高的检测准确率和较小的时间复杂度。

摘要： 为了解决异质网络的结构信息和语义信息挖掘不全面的问题,针对异质网络的链接预测,提出了将基于元路径的分析方式与隐马尔可夫模型相结合的链接预测方法。考虑到聚簇可以有效地捕获异质网络的结构信息,将k-means算法进行改进得到基于距离均方差最小的初始聚簇中心方法,并将其应用到隐马尔可夫模型(HMM)中,设计了基于聚簇的一阶隐马尔可夫模型(C-HMM(1))的链接预测方法,同时提出基于聚簇的二阶隐马尔可夫模型(C-HMM(2))的异质网络的链接预测方法。进一步考虑数据的特征信息,提出了将最大熵模型和二阶隐马尔可夫模型相结合的链接预测方法ME-HMM。实验结果表明,ME-HMM比C-HMM方法的链接预测精确度更高,且ME-HMM因充分考虑到数据的特征信息比C-HMM的性能更加优异。

摘要： 螺旋桨是直升机机械的重要组成部分,维护难度大,因此对螺旋桨状态的监测是直升机正常运行的重要保证.本文针对隐马尔可夫模型计算开销过高的问题,提出一种新的基于隐马尔可夫模型的螺旋桨状态异常检测方法,利用螺旋桨运行状态具有的局部规律性,用改进的隐马尔可夫算法来构建螺旋桨正常行为模型,对螺旋桨性能的预测以及维护.利用无人机做螺旋桨状态监测实验,实验结果表明,提出的算法是有效的,得到非常满意的结果.

摘要： 针对室内定位精度不高的问题,提出了基于隐马尔可夫模型的定位算法(hidden Markov model location algorithm,HMMLA).HMMLA系统模型分为训练阶段和定位阶段.训练阶段利用接收信号强度(received signal strength,RSS)采集程序对场景中各个接入点(access point,AP)信号强度RSS进行采集,选择合适的参考点建立指纹数据库(fingerprinting database).定位阶段采用HMMLA匹配算法进行定位.为了验证定位算法的精确度,在建立的指纹数据库基础上,在场景中选择合适的路径点,利用RSS采集程序在路径点处采集RSS值,然后使用HMMLA匹配算法对路径点进行定位.最后分析定位误差和算法的精确度,并将定位算法与KNN定位算法进行分析比较验证算法的可靠性.分析结果表明,基于隐马尔可夫模型的定位算法在系统原型下定位平均误差为1m左右,定位精度比KNN定位算法高.

摘要： 针对飞机环控涡轮滚动轴承故障振动信号具有高噪声、非平稳的特性,本文提出了基于EEMD和隐马尔可夫模型(HMM)的轴承故障程度的状态特征量提取方法.首先对轴承正常和偏载条件下保持架故障不同运行状态下的振动信号进行EEMD分解,滤除噪声信号,提高信噪比.然后对去噪信号进行HMM分析.实验结果表明该方法提高了诊断的精度,能够准确有效地识别滚动轴承的运行状态.

摘要： 为了准确对岸桥状态进行评估与预测,提高对岸桥起重机状态评估能力,提出了一种基于自组织特征映射神经网络(SOM)的数据分布网格算法和隐马尔可夫模型(HMM)的岸桥数据分析方法.首先,SOM对起升电机的振动烈度数据进行学习,学习后的网络生成一种可以衡量数据分布模式的数据分布网格;然后采用隐马尔可夫模型分析数据分布网格变化的状态转移规律和潜在规律,生成状态评估模型.通过对NetCMAS收集的大量振动数据的状态评估分析表明,该方法能够有效的对岸桥状态进行评估.

摘要： 水下目标辐射噪声中含有表征其机械运动特性、螺旋桨特性及水动力噪声的线谱信息,被动声纳线谱检测是获取目标线谱成分的有效手段.通过对接收信号做高分辨的短时傅里叶变换,得到Lofar图(Low Frequency Analysis Recording),一般认为Lofar图中在一段时间内保持稳定、连续的线状谱为线谱成分,且谱级高出连续谱背景10dB以上. 针对水下弱目标的线谱检测问题，本文将其转化为隐马尔可夫模型下的最优路径提取问题，给出了局部最优和全局最优意义下的解决算法。通过计算机仿真验证，表明了该方法的有效性，甚至对抖动幅度较大的线谱，仍有一定的稳健性。

摘要： 随着设备智能化程度和可靠性要求的不断提升,设备状态监测的研究热点逐减向性能预测领域转移.其中,基于机器学习的预测算法不需要大量的专家知识和先验经验,且简便易操作,得到了许多学者的关注.然而,基于机器学习的算法大多具有一个共性的缺点:当测试数据与训练数据的采样通道、位置或测试样本发生改变后,之前所建立的模型往往不再适用,即模型对输入数据的鲁棒性差.因此,本文对基于隐马尔可夫模型的滚动轴承性能退化评估方法进行改进,提出去通道干扰算法,有效削弱通道对数据的干扰,提高基于隐马尔可夫模型的滚动轴承性能退化评估方法的鲁棒性.试验结果验证了所提出算法的有效性.

摘要： 针对猪患呼吸道或肺部疾病难以被发现的问题,对猪患病时发出的咳嗽声音进行了研究,提出了基于HMM的猪咳嗽声音识别方案.用语音信号的HMM状态数进行研究猪咳嗽声,通过解决识别性问题、确定观察字符序列匹配的状态序列以及模型训练问题,对猪咳嗽声音做出识别和分析,实现对猪患呼吸疾病的诊断.经过大型养猪场试验验证表明,利用此方案能有效且快速的识别猪咳嗽声音,对猪病情的判断提供重要的信息.

摘要： 针对目前动态手势识别中隐马尔可夫模型(HMM)在训练B参数的过程中,训练过程复杂、易陷入局部最优解的不足,提出了一种基于B参数的改进HMM动态手势识别算法.该算法在计算HMM观测状态转移概率的过程中,引入了支持向量机(SVM)改进算法,利用SVM的强分类能力将其输出通过Sigmoid函数转换为概率,并作为HMM中各个隐状态的输出概率,优化了HMM的B参数,从而改进了HMM算法的性能,提高了系统的识别率.实验结果证明:该方法能够准确地识别出动态手势轨迹,平均识别率由86.1％提高到97.4％,并且对光照和复杂背景均具有较强的鲁棒性.

摘要： VPPAW的质量控制关键在于熔透控制.本文研究了焊接声音与小孔状态(未熔透、熔透和焊漏)之间的关系.首先通过测定焊接声音声压的空间分布,确定了最优声音采集角度为150..然后,指出了VPPAW的双声源特性,解释了一系列现象,并从声源结构和发声机理两方面指出了其与语音的相似性.选取了五个特征参量以描述声音信号.并首次运用语音识别中的常用技术——HMM,对VPPAW声音与焊接质量之间的关系进行建模、识别,达到了93.23％的识别率.本研究从物理层面指出了VPPAW声音与语音的相似性,为语音处理技术在VPPAW中的应用奠定了理论基础,并进一步证明了其具有可行性.

摘要： 介绍一种融合双手表面肌电、加速度(Acceleration,ACC)和角速度(Angular Velocity,AV)信息,采用多流隐马尔可夫模型(multi-stream Hidden Markov Model,multi-HMM)的手势识别算法方案.设计并制作了一套佩戴于左右手前臂位置,基于双核DSP的便携式手语翻译设备.

摘要： 提供一种语音识别方法，其使用递归，基于与前两个帧相关联的与生成相关的值，为特定帧中的状态确定与生成相关的值，尤其是声道共振频率。与生成相关的值用于为所述状态确定观察到的特征向量的概率分布。然后从该概率分布中确定该帧所接收的观察值的概率。在一个实施例中，所述与生成相关的值使用该值的无噪声递归定义来确定。递归的使用大大改善了解码速度。当将解码算法应用于具有已知标音的训练数据时，产生强制对准，这改善了从现有技术中获得的语音分割。

摘要： 本发明提供了一种基于隐马尔可夫模型的目标检测模型的搜索方法。包括：建立隐马尔可夫模型，对其参数重估后形成重构隐马尔可夫模型；预测得到其观察序列，观察量比较，不相同时，对隐马尔可夫模型参数变异后重复第二步骤；相同时，生成目标检测模型并训练至收敛后进行精度值测定、召回率测定和参数量计算；结果判定，满足预设条件时，判定为搜索到的模型；不满足预设条件时，对所有目标检测模型重新排序后得到观察序列，替换原有观察序列后重复上述步骤。本发明解决了现有技术中的目标检测模型因含带参数量庞大，而导致训练好的目标检测模型在使用中对终端设备的内存和GPU的负荷较大，造成终端设备执行困难的问题，故而存在实用性差的问题的问题。

摘要： 提供使用共聚类的隐马尔可夫模型(EMHMM)进行眼动分析和使用切换隐马尔可夫模型(EMSHMM)进行眼动分析，以分析涉及具有不同特征布局和认知状态变化的刺激的认知任务中的眼动数据。提供了一种切换隐马尔可夫模型(SHMM)来捕获该任务期间参与者的认知状态转换，以及一种EMSHMM来评估涉及两个或更多个认知状态的决策任务中的偏好。本EMSHMM提供了认知行为/风格的个体差异的定量测量，对使用眼球追踪来跨学科研究认知行为产生了重大影响。

摘要： 本发明提供了一种基于隐马尔可夫模型的目标检测模型的搜索方法。包括：建立隐马尔可夫模型，对其参数重估后形成重构隐马尔可夫模型；预测得到其观察序列，观察量比较，不相同时，对隐马尔可夫模型参数变异后重复第二步骤；相同时，生成目标检测模型并训练至收敛后进行精度值测定、召回率测定和参数量计算；结果判定，满足预设条件时，判定为搜索到的模型；不满足预设条件时，对所有目标检测模型重新排序后得到观察序列，替换原有观察序列后重复上述步骤。本发明解决了现有技术中的目标检测模型因含带参数量庞大，而导致训练好的目标检测模型在使用中对终端设备的内存和GPU的负荷较大，造成终端设备执行困难的问题，故而存在实用性差的问题的问题。

摘要： 本发明公开了一种基于混合高斯模型和隐马尔可夫模型的周界入侵识别方法，包括以下步骤：在栅栏上和栅栏埋地处各铺设一根光栅阵列光缆，每根上包括中心波长不同的多个测区；实时采集每个测区的振动数据，并根据初始阈值判断测区是否发生异常振动，若是则进入事件识别判断；根据振动数据分析异常振动影响不同测区所呈现的高斯分布关系，选取该测区所在光栅阵列光缆的时序数据流中与高斯关系相对应的观测序列，对观测序列按时间帧进行处理，并提取处理后的振动数据的时频域混合特征，再进行时频域混合特征归一化，得到特征向量数据；将特征向量数据输入训练好的高斯‑隐马尔可夫混合模型库，进行周界在线入侵事件识别，得到入侵识别结果。

摘要： 由于太阳能光伏发电的间歇性和对天气状况的依懒性等特点，对光伏发电的发电量的准确预测一直是一个困恼有效利用太阳能的因素。本发明提出一种根据历史光伏发电系统发电量数据情况，利用隐马尔可夫模型来识别特定区域的光伏发电系统发电量量数据的规律以及特点，进而预测未来光伏发电量的系统模型，通过隐马尔可夫模型建立状态转移矩阵和观测值概率矩阵，通过向前算法计算出模型中的参数，通过预测第二天的光伏发电系统发电量平均值达到预测一段时期内光伏发电变化趋势的效果。

摘要： 本发明涉及一种基于混合高斯‑隐马尔科夫模型的换道模型参数优化方法，通过对本车和周围车辆运行状态的分析，建立了基于隐马尔可夫模型的驾驶换道意图识别方法，即用可观测的换道表征参数观测状态来实现隐含的驾驶员换道意图的预测；并以NGSIM数据集中的高速公路车辆数据库为基础，提取换道表征参数样本，并应用MATLAB中HMM工具箱编写算法进行对隐马尔科夫模型的训练和验证，以及利用粒子群算法进行混合高斯模型个数和状态个数的优化，利用粒子群算法进行混合高斯模型个数和状态个数的优化，以此来提高驾驶员换道意图识别的准确率；最终对驾驶员换道意图的预测结果取得到了较好的准确率。

摘要： 本发明公开了一种结合视角转换模型与隐马尔可夫模型的步态识别方法，根据人行走习惯特点选取5个具有代表性的步态作为关键帧，计算一个步态周期内各帧到5个关键步态帧的距离并归一化后构造步态特征向量，利用该步态特征向量结合截断奇异值分解构造视角转换模型并训练隐马尔可夫模型参数。通过视角转换模型将测试集观测向量转换为与注册集相同的视角，最后实现基于隐马尔可夫模型的跨视角步态识别。经视角转换模型转换后的测试集与注册集具有更高的共性，隐马尔可夫模型也利于表达步态转换过程，该方法结合视角转换模型与隐马尔可夫模型的优点，增强了对视角变化的鲁棒性，能够在跨视角识别的情况下取得较好的效果。

摘要： 本发明公开了一种基于粘性隐马尔可夫模型的协同频谱感知方法，其在频谱感知模型的基础上，获取多个感知时隙内多个次级用户接收的信号的测量功率构成的功率矩阵；初始化粘性隐马尔可夫模型的状态转移概率矩阵、初始概率分布、状态参数集合，并将功率矩阵视为观测序列；在三个模型参数和观测序列已知的情况下求取各个感知时隙的隐藏状态；在观测序列和所有隐藏状态构成的隐藏状态向量已知的情况下，更新状态转移概率矩阵和状态参数集合；在迭代多次后得到最终的隐藏状态向量；根据最终的隐藏状态向量计算每个次级用户的检验统计量，比较每个次级用户的检验统计量与门限值来判断该次级用户能否接入主用户的授权频段；优点是具有较高的检测性能。

摘要： 本发明提供了一种基于隐马尔可夫模型的已匹配定位点的矫正方法，属于地图定位领域。所述矫正方法，基于路网获得定位点P(i)，查找路网数据库中P(i)所在的区域范围及匹配半径r下的候选道路集C；C为空且无P(i‑1)或已存在但未矫正，或C不空但无P(i‑1)，直接返回P(i)；C为空P(i‑1)存在且已矫正，对定位点缩放以矫正；C不空且P(i‑1)已矫正，计算P(i)与P(i‑1)之间的距离，将P(i)垂直向最近的候选道路平移至G点，判断P(i)′点是否在线段GP(i)上并分别矫正；C不空且P(i‑1)未矫正，计算转移概率矩阵、观测概率矩阵，计算出概率乘积最大的候选道路并矫正。本发明实现了连续定位，得出完整的行进路线，提高了定位的准确性及精度。