HMM

摘要： 近日,韩国最大的集装箱船公司HMM披露,公司第一季度合并营收4.9187万亿韩元,营业利润为3.1486万亿韩元,单季利润首次超过3万亿韩元,利润率超过60%。与上一年同期相比,HMM公司营业额增长了103%,营业利润增长了209%,净利润更是同比飙升1,932.8%,三者均超出市场预期,创历史新高。

摘要： 采煤机是煤矿采煤过程中的重要设备,因其工作环境和组成结构复杂,关键部位发生损伤故障的情况时有发生。其轴承部位承压巨大,如果采煤机的轴承发生故障未及时发现,将对机器产生严重后果,进而影响工作面的推进进度。为提高开机率,对采煤机故障诊断与故障预测系统进行了研究,提炼出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。降噪预处理借鉴的是基于峭度准则的EEMD,先找出拥有大部分特征频率的函数,然后运用公式求解出信息熵然后选出它的敏感特征集,依靠HMM识别轴承的故障类型。

摘要： One of the most commonly reported disabilities is vision loss,which can be diagnosed by an ophthalmologist in order to determine the visual system of a patient.This procedure,however,usually requires an appointment with an ophthalmologist,which is both time-consuming and expensive process.Other issues that can arise include a lack of appropriate equipment and trained practitioners,especially in rural areas.Centered on a cognitively motivated attribute extraction and speech recognition approach,this paper proposes a novel idea that immediately determines the eyesight deficiency.The proposed system uses an adaptive filter bank with weighted mel frequency cepstral coefficients for feature extraction.The adaptive filter bank implementation is inspired by the principle of spectrum sensing in cognitive radio that is aware of its environment and adapts to statistical variations in the input stimuli by learning from the environment.Comparative performance evaluation demonstrates the potential of our automated visual acuity test method to achieve comparable results to the clinical ground truth,established by the expert ophthalmologist’s tests.The overall accuracy achieved by the proposed model when compared with the expert ophthalmologist test is 91.875%.The proposed method potentially offers a second opinion to ophthalmologists,and serves as a cost-effective pre-screening test to predict eyesight loss at an early stage.

摘要： Diagnosing data or object detection in medical images is one of the important parts of image segmentation especially those data which is less effective to identify inMRI such as low-grade tumors or cerebral spinal fluid(CSF)leaks in the brain.The aim of the study is to address the problems associated with detecting the low-grade tumor and CSF in brain is difficult in magnetic resonance imaging(MRI)images and another problem also relates to efficiency and less execution time for segmentation of medical images.For tumor and CSF segmentation using trained light field database(LFD)datasets of MRI images.This research proposed the new framework of the hybrid k-Nearest Neighbors(k-NN)model that is a combination of hybridization of Graph Cut and Support Vector Machine(GCSVM)and Hidden Markov Model of k-Mean Clustering Algorithm(HMMkC).There are four different methods are used in this research namely(1)SVM,(2)GrabCut segmentation,(3)HMM,and(4)k-mean clustering algorithm.In this framework,on the one hand,phase one is to perform the classification of SVM and Graph Cut algorithm to create the maximum margin distance.This research use GrabCut segmentation method which is the application of the graph cut algorithm and extract the data with the help of scaleinvariant features transform.On the other hand,in phase two,segment the low-grade tumors and CSF using a method adapted for HMkC and extract the information of tumor or CSF fluid by GCHMkC including iterative conditional maximizing mode(ICMM)with identifying the range of distant.Comparative evaluation is also performing by the comparison of existing techniques in this research.In conclusion,our proposed model gives better results than existing.This proposed model helps to common man and doctor that can identify their condition of brain easily.In future,this will model will use for other brain related diseases.

摘要： 本文提出了基于前向后向HMM语音识别智能门锁系统的设计,在简述HMM算法的基础上,介绍了前向后向算法,并设计了前向后向算法的智能语音识别门锁控制系统。最后将改进前后的HMM算法在同一环境同一条件下得模拟测试。实验数据表明,改进后的算法唤醒率、识别率提升明显,具有良的识别性。

摘要： 仿人机器人的模仿学习是指通过对人体行为动作序列的持续学习,识别人类动作特征,并据此生成仿人机器人自身运动序列,并执行相应的动作。文章针对仿人机器人模仿学习提出一种基于隐马尔可夫模型(HMM)的仿人机器人动作建模和生成的方法,实现对人体动作的持续学习。文章首先对人体动作数据通过向量的方法的进行匹配计算,转换成便于仿人机器人学习的关节角度,再用关节角度计算得到角速度与角加速度,从而得到完整动作数据。再利用隐马尔可夫模型对动作数据建模,完成新动作的动作识别,通过新动作与与原有动作对比相似性,证明向量方法的人体数据匹配计算的正确性,和基于隐马尔可夫模型建模及识别的有效性。

摘要： 数据预处理是数据驱动故障诊断的前提,为了更好地提取数据特征,针对地铁信号设备的故障记录提出一种基于词项和语义融合的文本自动预处理方法.采用隐式马尔可夫链识别特定线路的信号专有词汇,结合既有词库形成特定线路信号专用词库,解决线路专用信号设备故障词库的生成问题;分别在词项空间和语义空间进行故障记录的聚类、特征词提取与融合,形成故障记录的词袋表示,并在专家模板的基础上应用KNN算法统一故障记录描述,解决故障记录的模糊性问题.以某地铁线2015—2017年的故障记录为数据源进行试验,结果表明该方法有效,宏平均F1测试值达到95.56％.

摘要： 现有的模仿学习研究所用的方法大多是离线地、一次性地对人体动作进行采集和学习,不能进行持续的学习.针对以上问题,提出一种基于隐马尔可夫模型的仿人机器人动作模仿建模方法,从而实现动作的连续学习.首先对人体动作数据通过向量的方法的进行匹配计算,转换成便于仿人机器人学习的关节角度,再用关节角度计算得到角速度与角加速度,从而得到完整动作数据.再利用隐马尔可夫模型对动作数据建模,并完成新动作的动作识别,证明了向量方法的人体数据匹配计算的正确性,和基于隐马尔可夫模型建模的有效性.

摘要： 地图匹配是许多位置服务与轨迹挖掘应用的基础.随着定位技术和位置服务应用的发展,地图匹配研究不断演进,从早期基于高采样率GPS(Global Position System)的实时匹配,到近期基于低采样率GPS轨迹的离线匹配、再到当前非GPS定位数据或高精度地图匹配.迄今已有许多地图匹配算法相继提出,但鲜有研究对这些算法进行全面总结.为此,对近十年提出的地图匹配算法进行调研,归纳出地图匹配算法的统一框架及常用时空特征.从模型或实现技术角度分类发现:现有算法大都采用HMM(Hidden Markov Model)模型,其次是最大权重模型;深度学习技术近期开始用于地图匹配,将是未来高精度地图匹配研究的趋势.

摘要： 针对X射线荧光能谱测量过程中经常遇到的能谱漂移问题,探讨了基于状态转移的谱线漂移修正方法.采用隐MARKOV模型描述显性的瞬态特征和瞬态特征的隐性变迁过程,实现对谱线漂移过程的双重描述,使谱线形成的统计涨落过程与测量系统的特性变化过程统一在一个模型中,确保谱线的修正能紧密跟踪系统状态的变迁.根据离散化后瞬时状态间的变迁关系,利用瞬时能谱的变迁运算和线性叠加方法获得总能谱表达式.建立基于粒子群的HMM模型各状态参数的估计算法.实验验证结果表明:该方法能有效地修正X射线荧光能谱的漂移.

摘要： 本文提出了一种能够较好地提取视频中多姿态人脸特征并进行识别的模型。该模型主要借助嵌入式隐式马尔科夫链和Gabor小波变换来建立人脸的观察序列。由于单个HMM能够对于固定的姿势进行特征分段，因此，本文采用多个HMM对个体进行多姿态特征提取。该模型经过Sheffield人脸数据库检验，实验表明该方法是有效的。同时通过与现有的DCT+HMM以及DWT+HMM的方法在Sheffield上的比较实验证明，该模型能够在人脸可变姿态下鲁棒地提取面部特征，因此在视频中与姿态无关的人脸识别方面可以达到较好的效果。

摘要： 本文提出了一种能够较好地提取视频中多姿态人脸特征并进行识别的模型。该模型主要借助嵌入式隐式马尔科夫链和Gabor小波变换来建立人脸的观察序列。由于单个HMM能够对于固定的姿势进行特征分段，因此，本文采用多个HMM对个体进行多姿态特征提取。该模型经过Sheffield人脸数据库检验，实验表明该方法是有效的。同时通过与现有的DCT+HMM以及DWT+HMM的方法在Sheffield上的比较实验证明，该模型能够在人脸可变姿态下鲁棒地提取面部特征，因此在视频中与姿态无关的人脸识别方面可以达到较好的效果。

摘要： 本文提出了一种能够较好地提取视频中多姿态人脸特征并进行识别的模型。该模型主要借助嵌入式隐式马尔科夫链和Gabor小波变换来建立人脸的观察序列。由于单个HMM能够对于固定的姿势进行特征分段，因此，本文采用多个HMM对个体进行多姿态特征提取。该模型经过Sheffield人脸数据库检验，实验表明该方法是有效的。同时通过与现有的DCT+HMM以及DWT+HMM的方法在Sheffield上的比较实验证明，该模型能够在人脸可变姿态下鲁棒地提取面部特征，因此在视频中与姿态无关的人脸识别方面可以达到较好的效果。

摘要： 本文提出了一种能够较好地提取视频中多姿态人脸特征并进行识别的模型。该模型主要借助嵌入式隐式马尔科夫链和Gabor小波变换来建立人脸的观察序列。由于单个HMM能够对于固定的姿势进行特征分段，因此，本文采用多个HMM对个体进行多姿态特征提取。该模型经过Sheffield人脸数据库检验，实验表明该方法是有效的。同时通过与现有的DCT+HMM以及DWT+HMM的方法在Sheffield上的比较实验证明，该模型能够在人脸可变姿态下鲁棒地提取面部特征，因此在视频中与姿态无关的人脸识别方面可以达到较好的效果。

摘要： 本文提出了一种能够较好地提取视频中多姿态人脸特征并进行识别的模型。该模型主要借助嵌入式隐式马尔科夫链和Gabor小波变换来建立人脸的观察序列。由于单个HMM能够对于固定的姿势进行特征分段，因此，本文采用多个HMM对个体进行多姿态特征提取。该模型经过Sheffield人脸数据库检验，实验表明该方法是有效的。同时通过与现有的DCT+HMM以及DWT+HMM的方法在Sheffield上的比较实验证明，该模型能够在人脸可变姿态下鲁棒地提取面部特征，因此在视频中与姿态无关的人脸识别方面可以达到较好的效果。

摘要： 口音是语音变化的重要因素之一，也是语音识别中亟待解决的关键问题之一。本文分析了带广州、重庆、上海和厦门四地口音的普通话韵母在共振峰频率分布上的差异，采用基于线性预测(Linear Prediction，LP)分析的隐马尔可夫模型（Hidden Markov Models，HMM）来提高共振峰频率参数提取的准确性。广州口音普通话韵母的第一共振峰( F1)频率在四种口音中最高。重庆口音普通话在舌根韵母发音上相对标准，第二共振峰(F2)频率普遍低于其他三种口音；广州口音普通话在分辨舌根舌尖音时最为模糊，在共振峰频 率上表现为舌根鼻音的F2偏高而舌尖鼻音的F2偏低。

摘要： 口音是语音变化的重要因素之一，也是语音识别中亟待解决的关键问题之一。本文分析了带广州、重庆、上海和厦门四地口音的普通话韵母在共振峰频率分布上的差异，采用基于线性预测(Linear Prediction，LP)分析的隐马尔可夫模型（Hidden Markov Models，HMM）来提高共振峰频率参数提取的准确性。广州口音普通话韵母的第一共振峰( F1)频率在四种口音中最高。重庆口音普通话在舌根韵母发音上相对标准，第二共振峰(F2)频率普遍低于其他三种口音；广州口音普通话在分辨舌根舌尖音时最为模糊，在共振峰频 率上表现为舌根鼻音的F2偏高而舌尖鼻音的F2偏低。

摘要： 口音是语音变化的重要因素之一，也是语音识别中亟待解决的关键问题之一。本文分析了带广州、重庆、上海和厦门四地口音的普通话韵母在共振峰频率分布上的差异，采用基于线性预测(Linear Prediction，LP)分析的隐马尔可夫模型（Hidden Markov Models，HMM）来提高共振峰频率参数提取的准确性。广州口音普通话韵母的第一共振峰( F1)频率在四种口音中最高。重庆口音普通话在舌根韵母发音上相对标准，第二共振峰(F2)频率普遍低于其他三种口音；广州口音普通话在分辨舌根舌尖音时最为模糊，在共振峰频 率上表现为舌根鼻音的F2偏高而舌尖鼻音的F2偏低。

摘要： 口音是语音变化的重要因素之一，也是语音识别中亟待解决的关键问题之一。本文分析了带广州、重庆、上海和厦门四地口音的普通话韵母在共振峰频率分布上的差异，采用基于线性预测(Linear Prediction，LP)分析的隐马尔可夫模型（Hidden Markov Models，HMM）来提高共振峰频率参数提取的准确性。广州口音普通话韵母的第一共振峰( F1)频率在四种口音中最高。重庆口音普通话在舌根韵母发音上相对标准，第二共振峰(F2)频率普遍低于其他三种口音；广州口音普通话在分辨舌根舌尖音时最为模糊，在共振峰频 率上表现为舌根鼻音的F2偏高而舌尖鼻音的F2偏低。

摘要： 口音是语音变化的重要因素之一，也是语音识别中亟待解决的关键问题之一。本文分析了带广州、重庆、上海和厦门四地口音的普通话韵母在共振峰频率分布上的差异，采用基于线性预测(Linear Prediction，LP)分析的隐马尔可夫模型（Hidden Markov Models，HMM）来提高共振峰频率参数提取的准确性。广州口音普通话韵母的第一共振峰( F1)频率在四种口音中最高。重庆口音普通话在舌根韵母发音上相对标准，第二共振峰(F2)频率普遍低于其他三种口音；广州口音普通话在分辨舌根舌尖音时最为模糊，在共振峰频 率上表现为舌根鼻音的F2偏高而舌尖鼻音的F2偏低。

摘要： 本发明公开了一种基于GMM和HMM的步相检测方法，涉及行人导航领域，包括基于高斯混合模型的粗划分以及基于隐马尔可夫模型的进一步概率估计。本发明根据本方法的应用需求，将一个步态周期划分为支撑相与摆动相两相，根据支撑相与摆动相摆动幅度差别大的特点，假设支撑相与摆动相分属于两个不同的高斯分布，采用高斯混合模型聚类方法将支撑相与摆动相划分到两个簇类。通过分析高斯混合模型粗划分结果的阈值情况，将行走过程分割为一系列连续的步态时间段，并将每一个步态时间段定义为一个观测值，从而得到一组观测序列。本发明不仅提高了现有步态检测方法的可靠性和鲁棒性，也使得应用方法的选取更加简单、方便和灵活。

摘要： 本发明公开了一种基于GMM‑HMM的车载网络CAN总线入侵检测方法，包括以下步骤：获取车载网络CAN总线正常报文，按时间顺序统计出每个CAN ID所有报文的周期，即同一CAN ID两帧报文之间的时间差，形成周期序列，作为算法的输入；算法将每个CAN ID的周期序列划分为固定长度，然后为每个CAN ID训练一个GMM‑HMM模型，得出正常周期序列的似然概率；对于被测报文序列，同样统计出每个CAN ID的周期序列，输入模型后计算出生成该序列的似然概率，通过比较该似然概率与上一步得到的似然概率的阈值作比较，来判断报文序列是否异常。本发明解决CAN总线报文周期异常检测问题，可以发现DoS、模糊、重放等向总线插入报文的攻击行为。

摘要： 本发明提供一种基于HMM的化工园区异常行为检测方法及系统、装置，所述方法包括以下步骤：将视频中人体运动行为信息进行检测、区分以及跟踪；选取人体步态姿势的观测状态序列，提取运动特征向量作为训练样本，使用训练样本的参数训练HMM模型的关节四元数数据；计算出最有可能产生测试序列的最优的隐藏状态序列，用于识别测试样本的异常行为信息。本发明将三维人体旋转信息进行拓展运用到异常行为识别中，实现了对视频中的连续运动人体行为进行异常识别，并分析了不同特征信息对异常行为识别准确性的影响，验证了三维人体选择数据的有效消息；提高了运动人体行为识别检测的准确性、鲁棒性、快速性，提高了系统性能并降低了系统的计算代价。

摘要： 本发明提供一种基于HMM的化工园区行为参数训练方法及系统、装置，所述方法包括以下步骤：对现有的HMM模型未知参数λ＝{∏，A，B}，在给定参数和观测序列O＝{o1，o2...，otq}的前提下，定义变量εt(i，j)为HMM模型λ在t时刻处于状态Si，在t+1时刻处于Sj的概率P[O|λ]；给定观测序列的条件下，定义γt(i)为HMM模型λ在t时刻隐藏状态处于Si的概率P[O|λ]；对γt(i)按照时间t求和，得到Si状态被访问的次数，对εt(i，j)按照时间t求和，得到从状态Si到状态Sj的次数，得出HMM模型参数的估计公式本发明对人体行为参数的训练很高地逼近了观测序列，实现了最优模型估计。

摘要： 本发明公开了一种基于R树和轨迹分段的HMM高效地图匹配方法。首先采用R树空间索引方法为路网建立空间索引，然后基于轨迹点位置变化率对GPS轨迹数据进行分段，并利用R树索引快速确定子轨迹所属的候选路段，在子轨迹中挑选关键点代替整段子轨迹判断所属路段，根据结果完成各子轨迹的地图匹配。本发明的优点是：可以同时减少道路搜索和轨迹点遍历的工作量，大幅提高算法效率。

摘要： 本发明涉及互联网技术领域，公开了一种融合GMM模型和HMM模型的婴儿哭声检测方法，包括以下步骤：建立短哭声数据模型C1；建立中哭声数据模型C2；建立长哭声数据模型C3：将上述得到的每种哭声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的HMM模型；建立短噪声数据模型N1；建立中噪声数据模型N2：建立长噪声数据模型N3：将上述得到的每种噪声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的GMM模型,能够充分利用GMM模型。本发明的技术方案能够显著提高哭声检测准确率，降低虚警率和漏报率。

摘要： 本发明公开了基于伪项识别融合与HMM算法的睡眠姿势分类方法，方法先采集患者的原始BCG信号并进行预处理和特征提取，获得OM特征变量；对OM特征变量进行Group‑Lasso特征筛选，并对筛选后的OM特征变量进行伪项的识别及融合，获得观测序列；通过窗宽不断平移截取观测序列作为隐马尔可夫模型的输入，进行HMM训练，获得最终隐马尔可夫模型并实际观测序列输入模型，识别出睡眠姿势的类别。本发明使用OM特征变量的伪项识别及融合方法与HMM算法相结合的模型来进行睡眠姿势分类，解决了当特征变量中存在伪项时造成的模型过拟合现象，从而克服了以往人们对睡眠姿势识别分类精度不高的问题。

摘要： 本发明提出了联合SVM和HMM的导航场景感知通用模型构建方法，分别为基于结果层面融合的SVM‑HMM1构建方法以及基于概率层面融合的SVM‑HMM2构建方法。包括：联合SFFS特征选择与LDA特征降维算法建立导航场景感知特征指纹库；采用网格搜索发迭代训练SVM输出导航场景的分类结果与分类概率；引入HMM，实现对SVM识别结果进行平滑处理，提高场景识别的准确度，其中，采用SVM输出的分类结果与离散型HMM联合形成SVM‑HMM1模型，采用SVM输出的分类概率与连续型HMM联合形成SVM‑HMM2模型；针对构建完成的HMM模型，构建导航场景邻接矩阵，修正HMM不合理的状态转移参数，进一步提高模型的可靠性。本发明可实现快速、高精度导航场景感知，为多PNT传感器自适应配置，多场景无缝导航提供场景感知信息。

摘要： 本发明涉及一种基于HMM的曲线匹配方法及装置，通过相机实时输出的线元素与高精度地图上的车道线等进行曲线匹配，同时根据车道之间的拓扑关系、候选路段之间的距离、载体速度位置、当前融合定位结果(观测状态)与候选路段之间的距离和曲线匹配系数建立HMM模型，辅助锁定系统所在车道，最终获取对应车道上横向和纵向修正量辅助视觉/卫惯融合定位，准确估算复杂场景下系统所在车道，提高智能驾驶系统在各类复杂场景中的精度和可靠性。

摘要： 本发明公开了一种基于HMM的AGV语义攻击检测方法，方法包括下述步骤：采用信道健康状况描述当前无线信道的通信状况，将信道健康状况分为4个等级：非常好、好、一般、差；由于信道健康状况不可观测，采用信道利用率表征信道健康状况，通过无线探针测量相关参数计算得到信道利用率；建立HMM语义攻击检测模型，包括状态转移概率矩阵A、观测概率矩阵B和初始状态概率向量π，基于HMM的AGV语义攻击检测模型对攻击进行分类。通过本发明可区分重复语义序列是恶意攻击序列还是环境影响的正常序列。