隐马尔可夫模型在命名实体中的应用

命名实体是文本中基本的信息元素，是正确理解文本的基础。命名实体识别就是要判断一个文本串是否代表一个命名实体，并确定它的类别，即发现命名实体和标注命名实体。利用了隐马尔可夫模型（HMM，Hidden Markov Model）和改进的隐马尔可夫模型进行英文命名实体的识别。     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解，然后把3个不同分辨率的低频子图像由小到大排列成树状结构，形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维，形成特征小波树枝，并把它作为观测向量对隐马尔可夫模型进行训练，把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系，以及状态个数和高斯概率混合成分的个数对识别率的影响，定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上，同其他四种相关方法进行了比较，实验结果表明，该方法识别率较高，工程上易于应用.     

隐马尔可夫模型研究进展及其管理领域应用

首先剖析了隐马尔可夫模型(Hidden Markov Model,HMM)的基本原理与结构,并对马尔科夫模型与HMM的结构和原理进行了比较,梳理了近年来HMM的理论研究进展,重点探讨了HMM在管理领域中一些实证研究成果及其应用特色。最后,对HMM今后进一步的研究方向进行展望。     

一种基于隐马尔可夫聚类的信息提取方法

为了通过统计的学习来得到最优的模型参数,我们通过基于形式的聚类方法将训练数据聚成几个类,每个类的数据被用来训练一个初始概率和一个转移概率矩阵.在进行文本信息提取时,结合每一个初始概率矩阵、每一个转移概率矩阵,使用Viterbi算法来找出最优的标记序列.结果这些最优的标记序列中概率最大的标记序列将被作为最终输出.实验表明,新的算法在一定条件下能提高文本信息提取的精确度和召回率.     

基于美尔倒谱系数及隐马尔可夫模型的说话人识别系统研究

为了适应强噪声环境下的语音识别,进行了基于美尔倒谱系数特征及隐马尔可夫模型的识别算法研究,主要对提取语音信号的线性预测系数、端点检测、语音特征参数提取、语音算法识别流程等进行了初步研究,并进行了说话人识别系统的仿真验证。     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91．5％,相较于SVM算法分类精度提高了5％。     

基于HMM的连续语音中的关键词检测

关键词检测是语音识别中一个重要的研究方向.本文针对说话人的连续语音提出了一种基于HMM模型的关键词检测方法,并针对关键词模型、垃圾模型及关键词的检测策略进行了研究.实验表明,该方法具有一定的可行性,大大提高了系统的实用性.     

基于可扩张马尔可夫的快速精准网络攻击检测模型

以泛滥型阻断服务攻击为研究目标,提出一个基于可扩张马尔可夫的快速精准网络攻击检测模型,针对模型中的分群与节点新增算法在空间上的特性进行改进,以加快分群的速度,从而可以有效地检测出异常的封包.     

基于视觉的人体识别概述

首先对基于视觉的人体识别介绍研究的背景及意义进行了概述,然后分别介绍了人体识别的构成、行为识别的分类技术,最后提出了存在的问题以及未来发展的趋势。     

基于马尔可夫模型的风险型客户预测与管理

客户是企业的重要资产之一,是企业实现利润的源泉。客户关系的发展形成一个完整的生命周期,处于生命周期形成阶段的客户往往要消耗较多的资源却甚少为企业创造价值,企业的投入具有风险性。本文对风险型客户发展过程中的特点进行分析,同时提出基于马尔科夫模型的风险型客户预测方法,掌握风险型客户在市场竞争过程中的市场占有率信息,从而为企业的战略决策提供支持。     

基于MPC5200的嵌入式非特定人连续语音识别系统

非特定人连续语音识别系统具有非常高的计算复杂度，对系统的硬件资源有很高的要求，本文针对该问题设计了一款基于MPC5200微处理器的嵌入式平台，在该平台上实现了基于隐含马尔可夫模型的非特定人连续语音识别系统，实验结果表明该嵌入式语音识别系统达到了实时识别的要求。     

基于HMM的说话人识别

介绍了隐马尔可夫模型的基本原理以及在说话人识别中的实现,对文本相关与文本无关进行比对,得出文本相关的识别率要高的结论及原因。     

基于语音生成逆向解的嘶音合成方法

提出了一种应用三质量块声带模型与语音生成逆向映射法相结合的嘶音合成方法，应用这种方法合成的嘶音信号与实际嘶音信号的实验比较结果表明，该方法能够有效地合成嘶音箱号。     

基于移动平均-马尔可夫链模型的上海市机场旅客吞吐量预测研究

为了更多的挖掘数据的信息,本文将移动平均与马尔可夫链模型结合,对马尔可夫链模型进行改进,以拟合结果为动态基准线来构建动态的马尔可夫链,并进行预测及平稳分布研究.利用上海市机场2008年1月至2013年10月的各月数据进行模型拟合,将拟合结果作为动态基准线,进行系统状态划分,确定状态转移概率矩阵.预测未来4个月的中值和区间,并根据马尔可夫链的遍历性和稳定性求出状态的平稳分布.实证表明,该方法的预测精度更高,并且具有较强的适用性和泛化性,具有较强的实用价值.     

基于马尔可夫模型的图书馆用户聚类分群方法研究

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆 用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列 模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自 适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实 验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群 数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了 设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用 户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。     

低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统

语音识别系统需要大量有标注训练数据,在低数据资源条件下的识别性能往往不理想.针对数据匮乏问题,本文先研究子空间高斯混合声学模型通过参数共享减少待估计的参数规模,并使用基于最大互信息准则的区分型训练技术提高识别精度;而后在特征层面应用基于深度神经网络的Bottleneck特征来达到特征提取和降维的目的;最后将上述研究成果结合并构建了低资源条件下的语音识别系统.在国际标准的Open KWS 2013数据库上的实验结果表明,本文的技术能够有效改善低资源条件下的系统识别性能,相比基线系统有12%左右的词错误率降低.     

马尔可夫模型在常染色体遗传中的应用

马氏链预测法是通过对事物不同状态的初始分布及状态之间的转移概率的研究来预测事物的未来状态,本文利用此方法来建立相应的遗传模型,并讨论模型在常染色体遗传中的应用.     

新技术推广模型的马尔可夫骨架过程建模

本文利用侯振挺等提出的马尔可夫骨架过程理论对新技术推广模型进行建模,从而求出了遮时刻使用该技术的企业数的瞬时分布是一非负线性方程的最小非负解。     

基于马尔可夫链系统的上证指数探讨

从实证的角度讨论了我国股票市场中上证指数的发展趋势，根据使用马尔可夫模型的前提条件和马尔可夫模型的相关性质，将上证指数分为高跌、低跌、低涨和高涨四种状态，运用马尔可夫链求解公式．探讨我国的股票价格涨跌趋势，寻找行情变化规律，为投资者提供相关的模型参考。     

基于模式匹配的中文通用本体概念抽取模型

本文重点阐述了中文通用本体概念实例的机器抽取过程,建立了基于模式匹配的通用本体概念识别模型,以此作为领域本体自动构建的基础.此后探讨了该模型在情报学各研究领域中的应用前景,并通过实验检验模型在实际应用中的识别效果.