HMM模型
HMM模型的相关文献在1991年到2022年内共计139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、语言学
等领域,其中期刊论文88篇、会议论文14篇、专利文献145719篇;相关期刊76种,包括中国人口·资源与环境、信息系统工程、中小企业管理与科技等;
相关会议11种,包括第十一届全国人机语音通讯学术会议、第二届全国少数民族青年自然语言处理学术研讨会、2007年海峡两岸智能运输系统学术研讨会等;HMM模型的相关文献由318位作者贡献,包括聂腾云、蔡熙、谢巍等。
HMM模型—发文量
专利文献>
论文:145719篇
占比:99.93%
总计:145821篇
HMM模型
-研究学者
- 聂腾云
- 蔡熙
- 谢巍
- 赖雪军
- 车松勋
- 王作英
- 不公告发明人
- 刘民岷
- 刘清宝
- 刘秋会
- 刘香荣
- 加鹤萍
- 史元腾
- 吴慧娟
- 吴林海
- 周代英
- 周传斌
- 孔翠娟
- 张丹
- 张同梦雪
- 张睿霖
- 彭丽莉
- 徐玲玲
- 李学林
- 李波
- 李粮余
- 杨旭
- 杨明儒
- 林翀
- 梁华锋
- 段延峰
- 王侠
- 王林
- 王茹
- 田永涛
- 秦毅
- 肖垚
- 肖熙
- 胡晓龙
- 范会敏
- 范文涛
- 茅力群
- 谷伟豪
- 赵冬梅
- 赵太飞
- 赵泽盟
- 赵红涛
- 郑友生
- 陈吉平
- 陈昊
-
-
沈同平;
金力;
黄方亮;
许欢庆
-
-
摘要:
针对传统HMM模型存在的上下文信息获取困难、未登录词无法处理等问题,本文提出一种优化的HMM模型。优化后的模型充分考虑了上下文的语义联系和依赖关系,采用Bi-gram指数线性插值算法,消除零概率事件,并对未登录词进行处理。使用改进的Viterbi算法求解最可能的状态序列并输出结果,提高模型的识别效果。使用简历数据集和CCKS2017电子病历数据集进行模型对比验证,实验结果表明,优化的HMM模型的实体识别效果优于传统的HMM模型,在CCKS2017电子病历数据集中的准确率和F1值分别达到91.61%和91.21%,提升了15.84%和11.78%;在简历数据集中的准确率和F1值分别达到91.29%和91.07%,提升了8.67%和6.88%。
-
-
陶杰;
朱熙豪;
郑于海;
于涵诚;
亓凌
-
-
摘要:
为实现危险驾驶识别,本文提出通过多摄像机的车牌与车辆特征信息融合的车辆轨迹跟踪,很好地完成多个摄像机网络间的车辆轨迹跟踪功能。将基于北斗定位的车辆轨迹跟踪与基于摄像机识别的车辆轨迹跟踪进行融合,结合高精地图后可以实现基于车道级的车辆轨迹判断,对重点需要识别的危险换道行为作出预测,结合摄像机识别判定验证,使得预测模型具备自学习特性,其自学习能力将准确率从83%提升至91%。
-
-
张云玲
-
-
摘要:
网络安全态势数据趋于多样性、复杂性与分散性,而现有网络安全技术又无法满足高质量网络安全需求。针对上述问题,文章提出一种基于改进HMM的网络安全态势感知方法。首先,通过分析HMM模型特征,采用人工鱼群算法和GA算法对其初始聚类和模型参数进行了优化改进,避免了HMM模型陷入局部最优解;然后,基于改进HMM模型,构建了网络安全态势状态,并实现了网络安全态势感知方法;最后,通过在honeynet数据集上进行仿真,验证了提出方法的有效性。结果表明:基于改进HMM的网络安全态势感知方法可准确预测网络安全态势,相较于标准HMM预测模型和RBF预测模型,本研究模型预测准确率分别提高了42.85%和46.67%,具有一定的有效性和优越性,可用于实际网络安全态势感知预测。
-
-
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。
-
-
冉宪宇
-
-
摘要:
为了排除噪声数据影响、提高人体行为识别的准确率,从分析图像处理技术入手,对图像进行预处理之后利用混合高斯模型提取背景图像,采用改进的帧间差分算法检测目标,利用改进的k-均值算法提取图像特征,基于已获得的图像数据采用改进的HSMM模型实现人体行为识别。通过KTH人体行为数据库的实例数据验证所提出的构建模型的平均识别率高达97.5%,具有良好的检测效果,为人体行为识别提供了智能化检测手段。
-
-
钟建敏;
李晓冬;
李家健;
陆任贵;
常子键
-
-
摘要:
基于KNN-HMM的智能手语翻译系统采用数据手套+手机App的方案,通过数据手套上的弯曲度传感器、惯性测量传感器采集手部动作数据,经STM32处理器归一化和数据融合后,采用KNN算法进行初步分类,将初步分类结果通过蓝牙传输到手机,手机App利用HMM模型结合上下文获知手语含义,进而翻译成普通人能够理解的文本和语音.测试结果表明,该系统准确率较高,且具有成本低、操作便捷等特点.
-
-
郑友生
-
-
摘要:
针对隐马尔可夫(HMM)模型参数选择存在很大的主观性问题,提出一种基于自适应聚群粒子群算法(ASPSO)优化HMM的云网络安全态势评估方法.首先通过人工鱼群提高PSO算法的全局搜索性能,同时改进PSO的惯性权值和学习因子进,以提高HMM参数寻优准确率;然后以构建的最优HMM模型,构建云网络安全态势评估模型;最后模拟DDoS攻击场景,对上述评估模型进行验证.结果 表明,改进算法在HMM参数寻优方面,只需迭代160次左右,而传统的PSO优化寻优要迭代430次.同时在真实模拟DDoS攻击场景时,与云网络实际受到攻击时大致相同,且在不同阶段表现出不同的态势值.由此看出,该改进模型可有效预测网络的安全.
-
-
郭义
-
-
摘要:
隐马尔可夫模型(HMM)是网络安全态势评估模型中应用最广泛的评估模型,其参数的确定直接影响了评估结果的客观性.针对这一问题,在粒子群算法(PSO)的基础上,提出自适应聚群粒子群算法(ASPSO).首先通过人工鱼群在全局搜索方面的优势对PSO进行改进,然后对PSO算法中的惯性权值和学习因子进行改进,以提高HMM参数寻优准确率.最后以DARPA2000数据集中的LLDoS1.0的DDoS攻击场景进行模拟攻击,结果表明,改进算法在迭代次数方面要明显优于传统的PSO-HMM算法,且可真实模拟DDoS攻击场景,与云网络实际受到攻击时一致.
-
-
郑友生
-
-
摘要:
针对隐马尔可夫(HMM)模型参数选择存在很大的主观性问题,提出一种基于自适应聚群粒子群算法(ASPSO)优化HMM的云网络安全态势评估方法。首先通过人工鱼群提高PSO算法的全局搜索性能,同时改进PSO的惯性权值和学习因子进,以提高HMM参数寻优准确率;然后以构建的最优HMM模型,构建云网络安全态势评估模型;最后模拟DDoS攻击场景,对上述评估模型进行验证。结果表明,改进算法在HMM参数寻优方面,只需迭代160次左右,而传统的PSO优化寻优要迭代430次。同时在真实模拟DDoS攻击场景时,与云网络实际受到攻击时大致相同,且在不同阶段表现出不同的态势值。由此看出,该改进模型可有效预测网络的安全。
-
-
-
赵志国
- 《第十二届设计与制造前沿国际会议(ICFDM2016)》
| 2016年
-
摘要:
近10年来,国内外学者在车辆侧翻预警模型与算法方面做了大量研究工作,但从提高侧翻预警精确性和实时性来看,现有的研究方法二者很难协调.因此,如何解决预警模型的实时性与精确性、预警门限值的界定等问题,已成为制约重型车辆防侧翻控制实际应用的关键瓶颈之一.本项目旨在探索一套适用于重型车辆侧翻预警模型与控制算法,为侧翻预警算法和防侧翻控制等问题提供新思路和通用策略.针对传统HMM模型在表征前后联系较为紧密的动态过程上的不精确性,引入了自回归模型和AR系数,并且基于整体HMM模型结构和数学方法的考虑,提出了利用AR系数作为连续隐马尔科夫模型的观察值的设想,成功地结合了AR模型和HMM模型这两种表征时间序列的方法,并在数据处理后,训练了表征车辆下层分运动状态的MGHMM模型库,为车辆在运行过程中进行分运动状态辨识提供了可能。在己建模型的基础上,利用不同工况下TruckSim和Simulink的联合仿真得到的试验数据进行了模型离线验证,运用Viterbi算法对观察序列进行解码,辨识车辆一段时间内的状态,结果表明,本项目所建的预警模型与算法具有较好的精度。
-
-
赵志国
- 《第十二届设计与制造前沿国际会议(ICFDM2016)》
| 2016年
-
摘要:
近10年来,国内外学者在车辆侧翻预警模型与算法方面做了大量研究工作,但从提高侧翻预警精确性和实时性来看,现有的研究方法二者很难协调.因此,如何解决预警模型的实时性与精确性、预警门限值的界定等问题,已成为制约重型车辆防侧翻控制实际应用的关键瓶颈之一.本项目旨在探索一套适用于重型车辆侧翻预警模型与控制算法,为侧翻预警算法和防侧翻控制等问题提供新思路和通用策略.针对传统HMM模型在表征前后联系较为紧密的动态过程上的不精确性,引入了自回归模型和AR系数,并且基于整体HMM模型结构和数学方法的考虑,提出了利用AR系数作为连续隐马尔科夫模型的观察值的设想,成功地结合了AR模型和HMM模型这两种表征时间序列的方法,并在数据处理后,训练了表征车辆下层分运动状态的MGHMM模型库,为车辆在运行过程中进行分运动状态辨识提供了可能。在己建模型的基础上,利用不同工况下TruckSim和Simulink的联合仿真得到的试验数据进行了模型离线验证,运用Viterbi算法对观察序列进行解码,辨识车辆一段时间内的状态,结果表明,本项目所建的预警模型与算法具有较好的精度。
-
-
赵志国
- 《第十二届设计与制造前沿国际会议(ICFDM2016)》
| 2016年
-
摘要:
近10年来,国内外学者在车辆侧翻预警模型与算法方面做了大量研究工作,但从提高侧翻预警精确性和实时性来看,现有的研究方法二者很难协调.因此,如何解决预警模型的实时性与精确性、预警门限值的界定等问题,已成为制约重型车辆防侧翻控制实际应用的关键瓶颈之一.本项目旨在探索一套适用于重型车辆侧翻预警模型与控制算法,为侧翻预警算法和防侧翻控制等问题提供新思路和通用策略.针对传统HMM模型在表征前后联系较为紧密的动态过程上的不精确性,引入了自回归模型和AR系数,并且基于整体HMM模型结构和数学方法的考虑,提出了利用AR系数作为连续隐马尔科夫模型的观察值的设想,成功地结合了AR模型和HMM模型这两种表征时间序列的方法,并在数据处理后,训练了表征车辆下层分运动状态的MGHMM模型库,为车辆在运行过程中进行分运动状态辨识提供了可能。在己建模型的基础上,利用不同工况下TruckSim和Simulink的联合仿真得到的试验数据进行了模型离线验证,运用Viterbi算法对观察序列进行解码,辨识车辆一段时间内的状态,结果表明,本项目所建的预警模型与算法具有较好的精度。
-
-
赵志国
- 《第十二届设计与制造前沿国际会议(ICFDM2016)》
| 2016年
-
摘要:
近10年来,国内外学者在车辆侧翻预警模型与算法方面做了大量研究工作,但从提高侧翻预警精确性和实时性来看,现有的研究方法二者很难协调.因此,如何解决预警模型的实时性与精确性、预警门限值的界定等问题,已成为制约重型车辆防侧翻控制实际应用的关键瓶颈之一.本项目旨在探索一套适用于重型车辆侧翻预警模型与控制算法,为侧翻预警算法和防侧翻控制等问题提供新思路和通用策略.针对传统HMM模型在表征前后联系较为紧密的动态过程上的不精确性,引入了自回归模型和AR系数,并且基于整体HMM模型结构和数学方法的考虑,提出了利用AR系数作为连续隐马尔科夫模型的观察值的设想,成功地结合了AR模型和HMM模型这两种表征时间序列的方法,并在数据处理后,训练了表征车辆下层分运动状态的MGHMM模型库,为车辆在运行过程中进行分运动状态辨识提供了可能。在己建模型的基础上,利用不同工况下TruckSim和Simulink的联合仿真得到的试验数据进行了模型离线验证,运用Viterbi算法对观察序列进行解码,辨识车辆一段时间内的状态,结果表明,本项目所建的预警模型与算法具有较好的精度。
-
-
-
-
-
-