隐马尔科夫模型
隐马尔科夫模型的相关文献在1999年到2022年内共计753篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文552篇、会议论文69篇、专利文献203672篇;相关期刊313种,包括电子学报、电子设计工程、智能计算机与应用等;
相关会议54种,包括第八届全国大学生创新创业年会、第七届中国信息融合大会、第十七届全国信号处理学术年会等;隐马尔科夫模型的相关文献由2125位作者贡献,包括张伟、张继军、李晓琴等。
隐马尔科夫模型—发文量
专利文献>
论文:203672篇
占比:99.70%
总计:204293篇
隐马尔科夫模型
-研究学者
- 张伟
- 张继军
- 李晓琴
- 王敏
- 谢锋云
- 陈进
- 马琳
- 上官伟
- 任远
- 刘岳
- 刘杰
- 同鸣
- 孟宗
- 岳猛
- 平西建
- 张博培
- 张金春
- 张铭
- 张震
- 强会英
- 徐海松
- 曹军
- 朱朝阳
- 李勇
- 李海峰
- 李超
- 李鹏
- 杜永萍
- 王勇
- 王洪申
- 王琳
- 王璐
- 臧钰
- 苗振江
- 蒋正锋
- 蔡伯根
- 裴春宝
- 谢文娟
- 闫晓丽
- 雷威
- 韩丽芳
- 马文建
- 马登武
- CHEN Jin
- DONG Guangming
- GAN Zhenye
- WANG Yu
- YANG Hongwu
- YUE Meng
- 丁明跃
-
-
何友国;
龚星;
袁朝春
-
-
摘要:
为了降低前方车辆驾驶行为的随机变化对自身车辆安全的影响,提出了一种基于隐马尔科夫模型(Hidden Markov Model,HMM)的前方车辆驾驶行为的识别方法。首先,分析了高速公路场景中车辆的换道特性,选取前方车辆的纵向速度、横向位移和横向速度作为特征参数;采用线性均值滤波的方法对原始观测数据进行平滑滤波处理。其次,基于Baum-Welch算法训练得到前方车辆三种驾驶行为的最优隐马尔科夫模型,基于Viterbi算法识别出前方车辆的驾驶行为。最后,测试结果表明隐马尔科夫模型可以有效地识别出前方车辆的驾驶行为。
-
-
张子建;
刘俊宇;
梁煜;
黄晓欧
-
-
摘要:
智能变电站作为智能电网战略的重要支点,随着智能变电站一次设备的不断增多,设备信息数据量呈指数级增长,传统的数据检索方法已经无法适应海量数据的处理要求,如何准确高效的检索变电站设备信息成为研究的焦点问题。因此提出了一种基于知识图谱的智能变电站设备一次信息检索方法,首先对智能变电站的一次设备信息进行分类,获取相关设备信息语料。然后,定义非结构化设备信息抽取框架,实现设备信息语料的高效抽取。再利用隐马尔科夫模型对设备信息进行分词,构建变电站一次设备信息知识图谱,实现设备信息的可视化展示,突破二维语义表格的局限。最后,结合知识图谱技术设计了智能变电站一次设备信息管理系统。实验表明基于知识图谱的智能变电站一次设备信息记录检索系统能提供准确的设备信息,实现智能变电站设备信息的高效检索。
-
-
隋龙飞;
薛欢欢;
翁政魁
-
-
摘要:
本文在人体动作描述采用关键骨骼点的深度三维坐标,通过各个关节点的位置坐标关系来描述人体动作。进一步为每一类人体动作训练一个深度信息隐马尔科夫模型,从一定程度上解决了人体动作部分遮挡问题,对训练样本,参照得到的数据库完成编码,通过隐马尔科夫模型训练得到相应参数模型,通过训练得到的模型进行验证和测试,实验数据结果表明该方法具有精确率高的优点。
-
-
梁海军;
韩琪聪
-
-
摘要:
提出一种基于机器学习的方法预测航班飞行前的静态四维轨迹,较已有的运动学和动力学预测方法结果精确、稳定。该方法在真实历史监视数据的基础上运用隐马尔科夫模型对航空器飞行过程中位置和高度状态转移建模。在经纬度平面上以网格化地图为观测值、关键点航段位置为隐状态建模;在高度方向上以固定高度间隔为观测值、标准飞行高度层为隐状态建模。在运用EM算法学习到预测模型最优参数之后对航班经过各关键点的时间和高度进行预测,为航班管理提供有力的辅助支撑。通过数据仿真实验表明,采用本文提出的算法计算得到的结果较传统的运动学和动力学预测方法具有更高的精度和稳定性。
-
-
邓晓平;
张桂青;
魏庆来;
彭伟;
李成栋
-
-
摘要:
非侵入式负荷监测通过对总负荷电表数据进行分析处理,能够实现对各个用电设备及其工作状态的辨识,可广泛应用于建筑节能、智慧城市、智能电网等领域.近年来,随着智能电表的大规模部署以及各类机器学习算法的广泛应用,非侵入式负荷监测引起了学术界与工业界的共同关注.本文对非侵入式负荷监测方面的研究进行综述.首先提炼非侵入式负荷监测的问题模型及基本框架;然后分别对非侵入式负荷监测的数据采集与预处理过程、负荷分解模型与方法、常用数据集及评估指标进行归纳总结;最后,对目前研究中存在的挑战进行分析,并对未来的研究方向进行展望.
-
-
肖丽平;
田紫君;
田景文
-
-
摘要:
以某大学学习某专业课的MOOC+SPOC的学习数据为样本,利用隐马尔科夫算法、数据挖掘技术,建立学生学习行为状态的评估模型,实时评估学生学习行为;教师根据评估结果对教学内容进行调整,对学生学习行为进行干扰,以提高教学质量。实证分析表明,基于隐马尔科夫算法的课程教学质量评价模型具有一定的有效性,分析结果有一定的参考性,方便教师在教学中有的放矢。
-
-
张楷;
韩书庆;
程国栋;
吴赛赛;
刘继芳
-
-
摘要:
奶牛步态时相是反映奶牛健康及跛行严重程度的重要指标。为准确自动识别奶牛步态时相,本研究提出一种融合高斯混合模型(Gaussian Mixture Model,GMM)和隐马尔科夫模型(Hidden Markov Model,HMM)的无监督学习奶牛步态时相识别算法GMM-HMM。使用惯性测量单元采集奶牛后肢加速度和角速度信号,通过卡尔曼滤波消除噪声,筛选并提取特征值,构建GMM-HMM模型,实现奶牛静立相、连续步态中的站立相和摆动相等3种步态时相的自动识别。结果表明,静立相识别的准确率、召回率和F_(1)分别为89.28%、90.95%和90.91%,连续步态中的站立相识别的准确率、召回率和F_(1)分别为91.55%、86.71%和89.06%,连续步态中的摆动相识别的准确率、召回率和F_(1)分别为86.67%、91.51%和89.03%。奶牛步态分割的准确率为91.67%,相较于基于事件的峰值检测法和动态时间规整算法准确率分别提高了4.23%和1.1%。本研究可为下一步基于穿戴式步态分析的奶牛跛行特征提取提供技术参考。
-
-
郝占军;
乔志强;
党小超;
段渝
-
-
摘要:
针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题,提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为,将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值,得到人员步态的CSI信息后建立观测序列,最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率,生成步态参数模型。在走廊、实验室和大厅真实多人环境中,WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明,与决策树、动态时间规整和长短时记忆网络方法相比较,该方法能有效地识别出人员的步态信息,提升了识别精度和鲁棒性。
-
-
郭华峰;
向长城;
宋礼文;
陈世强
-
-
摘要:
为改变活动识别复杂度高和活动识别率低的问题,提出了一种针对关键点提取的活动识别算法.该方法对加速度传感器采集的加速度信号进行了关键点的提取,混合隐马尔科夫回归模型(mixed hidden Markov regression model,MHMRM)对观测样本序列输出并进行建模,最大限度地通过关键点序列保留多维信号之间的特征信息,然后通过期望最大化算法(expectation maximization,EM)对模型参数进行优化并建立算法模型,使用维特比算法分割数据最终状态.使用不同活动顺序的测试集对算法性能进行测试,包含了站立、坐、躺、步行、上楼、下楼、慢跑、跳等几类活动.实验结果表明,提出的算法以关键点抽样的方式保留数据整体特征,实现快速准确地人体活动识别,其平均识别准确率为94.06%.因此,采用此方法可有效地对人体的活动信息进行分割识别,实现对人体活动的准确检测.
-
-
倪捷;
张凯铎;
刘志强;
葛慧敏
-
-
摘要:
为满足智能车辆的个性化需求,提高智能车辆人-机交互协同的满意度和接受度,构筑双层驾驶人跟驰模型框架,提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先,提取个体驾驶人跟驰均衡状态的数据,采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function,GMM-PDF)建立第1层模型,即驾驶人期望跟车距离模型。然后,将期望跟车距离参数引入模型,基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model,GMM-HMM)学习驾驶习性,建立第2层模型预测加速度,即个性化驾驶人跟驰模型。其次,研究不同高斯分量个数对模型效果的影响,对比双层模型与Gipps模型、最优间距模型(Optimal Distance Model,ODM)、单层模型及通用模型的性能。最后,8位被试驾驶人的自然驾驶行为数据验证结果表明:高斯分量数量与模型性能存在一定的正相关性;在最优高斯分量数量下,8位被试驾驶人在训练集上预测误差均值为0.101 m·s^(-2),在测试集上为0.123 m·s^(-2);随机选取其中1位驾驶人的2个跟车片段数据进行模型计算,结果显示,加速度的平均误差绝对值分别为0.087 m·s^(-2)和0.096 m·s^(-2),预测效果优于Gipps模型、ODM模型、单层模型及通用模型30%以上,与驾驶人实际跟驰行为的吻合度更高。
-
-
宋佰秩;
SONG Baizhi;
杜尚隆;
DU Shanglong
- 《2018中国保险与风险管理国际年会》
| 2018年
-
摘要:
保险公司的资金风险偏好使得债券市场成为了保险公司投资的主要领域,而债券投资相对低频且高量的特点,使得对于债券市场中长期内不同状态的划分与识别相较短期内的利率预测较股票市场具有更显著的意义.利用量化模型对债券市场状态进行识别,可为保险公司制定行之有效的资产管理策略提供参考.本文选取2009年至2017年我国10年期国债收益率的日度数据作为债券市场研究指标,从债券价量指标、货币面指标、股票市场指标、海外市场指标、衍生品及大宗商品市场指标等多个方面选取识别因子,运用机器学习方法中的隐马尔科夫模型,划分并识别债券市场状态.同时根据隐马尔科夫模型的识别结果,分析评价不同类型的因子对债券市场识别的贡献程度,实证结果显示银行间七天回购利率、期限利差、信用利差、债券交易量及上证综指的因子组合在市场状态识别中具有相对理想的模型结果.
-
-
陈进
- 《第十二届设计与制造前沿国际会议(ICFDM2016)》
| 2016年
-
摘要:
通常,机械设备在完全失效前要经过一系列不同的性能退化状态.如果能够在设备性能退化过程中监测到其性能退化的程度,就可以有针对性的制定设备维护计划,防止设备故障的突然发生.设备性能退化评估正是基于以上思想提出的一种主动设备维护的技术.隐马尔科夫模型(HMM)作为一种重要的模式识别和分类方法,在机械设备状态监测和故障诊断领域应用比较活跃.本课题旨在研究新型的HMM在性能退化评估与预测中的应用.提出基于频带熵的滚动轴承特征频率提取方法。当轴承存在点蚀故障时,主要的能量成分都集中在高频共振频带,并且包含了被调制到该频带内的各个特征频率成分。基于该理论,Antoni等提出了基于谱峭度的包络解调方法来解决该问题。结合信息熵和振动信号的时频分布特点,提出了一种基于频带熵(Frequency band entropy,FBE)的包络解调方法,利用轴承共振频率处频带熵较小的特点来设计自适应滤波器相关参数并求取包络谱。实验数据验证经过基于频带熵的滚动轴承特征频率提取可以有效表征轴承的故障特征。另外,滤波后的信号也可以更好的应用于轴承的故障诊断和性能退化评估。提出基于耦合隐马尔科夫模型的多通道信息融合轴承故障诊断与性能退化评估方法。耦合HMM(Coupled HMM,CHMM)是一种由两个或多个HMM链组成的,各个HMM链的状态变量相互关联的概率统计模型。CHMM不但保留了HMM的数学结构和概率推理能力,而且在此利用多通道状态间的相互依赖关系建立起了各个通道间的因果关系和影响,因此非常适合用于对多通道数据进行信息融合。提出基于SOA的故障诊断与性能退化评估系统架构。使用Web服务和WCF编程模型对该系统架构进行了验证和实现,并应用到某鼓风机的状态监测与故障诊断。
-
-
-
-
ZHAO Yi-hao;
赵义豪;
LIU Ying-xue;
刘英学;
HU Shen-ping;
胡甚平;
吴建军
- 《中国职业安全健康协会2017年学术年会》
| 2017年
-
摘要:
船载易流态化货物运输过程中,船舶运输风险的影响因素涉及广泛,运输过程复杂,并且海上数据来源缺乏和数据存在多源异构差异,导致易流态化货物船舶运输风险量化研究存在困难.针对上述问题,首先确定易流态化货物船舶运输风险的影响因素,构建易流态化货物船舶运输风险的HMM模型,结合问卷调查数据和Baum-Welch算法确定模型参数,此基础上根据具体的航次信息结合前向算法以及对应的风险状态损失值对单个航次的运输风险变化趋势进行描述,并对该航次所涉船舶进行灵敏度检验,验证了模型的有效性.
-
-
-
MA Yong;
马勇;
BAO Changchun;
鲍长春
- 《第十三届全国人机语音通讯学术会议》
| 2015年
-
摘要:
重叠语音是影响说话人分割性能的主要因素之一.本文提出了基于语音高层信息特征的重叠语音检测方法以提高说话人分割效果.首先用通用背景模型(university background model,UBM)提取语音的语言学高层信息特征,并融合这些特征和MFCC特征建立隐马尔科夫模型(hidden Markov model,HMM)检测重叠语音,然后对处理后的语音进行说话人分割.实验结果表明,对于由TIMIT语音库生成的数据集,本文所提方法对重叠语音检测的错误率比单一采用MFCC特征有显著降低,而且说话人分割的性能有明显的提高.
-
-
左祥;
巴振宇;
栗志意;
包飞;
齐欣;
朱璇
- 《第十三届全国人机语音通讯学术会议》
| 2015年
-
摘要:
本文提出了一种全新的算法,用于解决在少量训练数据下自定义唤醒词检测问题.该算法包括一个注册阶段和一个检测阶段.在注册阶段,通过一个在线注册的过程,基于隐马尔科夫模型—深度神经网络(Hidden markov model-deep neural network,HMM-DNN)训练说话人相关的唤醒词模型.在检测阶段,使用该唤醒词模型,对特定说话人所说的唤醒词进行检测.本文最主要的创新点在于,将身份认证矢量(Identity vector,i-vector)作为额外的特征,和传统的声学层特征一起作为DNN特征层的输入对唤醒词建模,使训练得到的唤醒词模型具有说话人信息,从而提高检测精度.实验结果证明,本文所提算法仅使用平均2.8的训练数据就达到了11.7%的平均假负率和0%的平均假正率.
-
-