基于多点随机搜索的自适应随机共振信号检测系统

提出了一种基于多点随机搜索算法的自适应随机共振系统模型,并以LabVIEW为平台开发了自适应随机共振微弱信号检测系统.该检测系统以典型非线性双稳系统为信号处理核心,以系统输出信噪比为优化目标函数,采用多点随机搜索算法自适应调整系统结构参数,使系统处于随机共振最佳状态,并获取微弱信号的频率特征值.利用该系统可测试各种系统参数及高斯噪声对随机共振的影响.实验结果表明,该系统检测效果良好,具有较好的应用价值.     

基于UKF算法的电池荷电状态SOC估算研究

新能源汽车锂电池荷电状态是反映电池及电源系统的重要参数,为达到实时估算SOC目的,基于无迹卡尔曼滤波算法提出SOC估算解决方案。在MATLAB/Simulink环境中建立一阶Thevenin等效电路模型和无迹卡尔曼滤波算法,通过建立混合功率脉冲特性实验,辨析出不同SOC和温度对电池模型的影响参数,将辨析出来的参数代入到UKF算法中进行仿真实验。实验结果表明,该荷电状态估算具有较高的精准度。     

基于最优状态和分支序列的连续隐Markov模型参数估计

提出了一种连续隐Markov模型参数估计算法,并利用全局收敛定理严格证明了算法的收敛性.该算法用Viterbi算法取代分段K平均算法中的聚类方法,直接确定出最优状态和分支序列,并依据最优序列以最大似然为优化准则进行参数估计.阐述了该算法与Baum-Welch和分段K平均2种经典算法在目标函数、优化准则和工作原理等方面的关系,并将3种算法应用于人脸识别.实验结果表明,该算法在获得相当识别率的同时缩短了训练时间,并降低了识别结果对训练样本集的敏感性,在3种算法中总体性能最优.     

独粒钻石棋的化学反应优化解法

本文介绍了CRO(Chemical Reaction Optimization)算法的基本原理,并对该算法进行了改进,增加了精英选择策略,其用Java语言加以实现,并将算法用于求解独立钻石棋局问题,之后分析了CRO参数选择对实验结果的影响,最后总结了CRO算法的优缺点和适用场景.     

一种提高功率测量精度的修正方法

针对电力参数测量中因附加相位引起的功率测量误差,提出了一种简单易行的功率算法的修正方法.通过对有功、无功的测量原理和测量系统中的硬件条件,分析了相位误差产生的因为,重点介绍了功率算法的修正原理,实验表明修正后的功率精度优于校正前.     

基于量子粒子群方法训练ANFIS模型

论文提出一种基于量子行为粒子群算法优化自适应模糊推理系统模型(ANFIS)参数,与之前使用梯度下降方法(Gradient Decent Method)不同,论文使用QPSO方法来训练ANFIS模型中隶属度函数的参数.经过训练后的ANFIS模型可以应用到非线性系统模型和混沌时序的预测.通过几组仿真实验结果表明基于量子粒子群方法训练ANFIS模型要优于基于粒子群算法方法训练ANFIS模型.     

基于修正协方差扩展卡尔曼滤波法的电动汽车锂电池SOC在线估计(英文)

为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件.     

基于改进粒子群算法的分数阶系统参数辨识（英文）

为了更好地辨识分数阶系统的参数,提出了一种基于Tent映射的改进粒子群算法(MPSO).采用8个经典测试函数对MPSO算法的性能进行了测试,并与自适应时变加速器算法(ACPSO)、改进的被动聚集粒子群算法(IPSO)以及遗传算法(GA)进行对比,验证了所提算法的有效性.在已知模型结构和未知模型结构的基础上,利用所提算法对2种典型分数阶模型进行参数辨识.参数辨识结果表明,应用位置信息的平均值有利于充分共享个体间的信息,从而能够加快全局搜索速度;Tent映射具有的均匀性和遍历性能够防止位置信息中极值的产生,避免算法陷入局部最优.MPSO算法收敛速度快、精度高,是一种有效且实用的方法.     

求解块三对角非奇异M矩阵方程组的三次PEk方法讨论

提出了求解系数矩阵为块三对角矩阵的线性方程组的三次PEk方法,并讨论了系数矩阵为非奇异M矩阵时三次PEk方法的可解性及收敛性.在数值实验中估计出最优参数的范围,并与SBGS和Jacobi方法进行了比较.验证结果表明在一定范围内选取参数后,新算法比SBGS和Jacobi方法都有更高的求解效率.     

参数Kleene系统中广义三-I算法的变化

介绍了参数K leene系统和参数K leene系统的三-I算法,并将它们在运算方法随参数值的变化进行比较.把K leene系统三-I算法归入到逻辑演算意义下,有助于在系统Kp中研究模糊推理.     

应用VQ-HMM的汉语数码语音识别

提出了一种新的语音识别方法,该方法综合了VQ和离散HMM算法,在每个状态通过用矢量量化误差值取代传统的HMM输出概率值来建立VQ-HMM.介绍了VQ-HMM,并通过非特定人汉语数码语音识别实验对其识别性能与传统的HMM作了相应的比较.实验结果表明该方法识别效果优于传统的HMM.,In this paper, a new speech recognition method was proposed, which integrated a VQ-distortion measure and a discrete HMM. The VQ-HMM uses a VQ-distortion measure at each state instead of a discrete output probability used by a discrete HMM. The VQ-HMM is described, and its speech recognition performance is compared with the conventional HMMs through the experiments on speaker-independent Chinese spoken digit recognition. The comparisons confirm that the new method over-performed traditional HMMs.     

基于HMM／MLP混合网络模型的语音识别方法

提出了一种新的用于语音识别的HMM MLP混合网络 ,它利用MLP的鉴别训练能力 ,以克服基本HMM的ML训练方法中不合理的模型正确性假设前提 ,提高HMM的鉴别能力和识别性能 .实验结果证明HMM MLP混合网络的鉴别能力和识别性能明显高于普通HMM .     

Ensemble learning HMM for motion recognition and retrieval by Isomap dimension reduction

INTRODUCTION Now more and more motion capture systems are used to acquire realistic human motion data. Due to the success of the Mocap systems, realistic and highly detailed motion clips are commercially available and widely used for producing animations of human-like characters in a variety of applications, such as simu- lations, video games and animation files. Therefore an efficient motion data recognition and retrieval technique is needed to support motion data processing, such as mot…     

语音识别技术及应用

语音识别技术近年来得到了飞速的发展并且在越来越多的领域得到了广泛的应用。隐马尔可夫模型(HMM)语音识别技术是一种基于训练数据提供的概率自动构造识别系统的技术,主要用于大量词汇的语音识别,而且具有良好的识别性能和抗噪性能。因此,一般的语音识别系统都采用基于HMM的识别方法作为其基本算法。本文列举了语音识别在教学中的应用示例来分析其基本算法。     

非特定人语音识别系统的设计与实现

建立了一个基于HMM算法的非特定人语音识别系统,阐述了具体实现过程,包括预处理、特征参数的提取及模板的匹配.并用MATLAB6.5对整个系统进行了仿真,仿真结果表明该系统可实现对非特定人输入命令词的识别,识别率约为88.6%.     

HMM在生物序列分析中的应用

阐明HMM的基本理论与概念,进而总结介绍HMM应用的基本问题与算法;重点介绍并分析了可用于表示序列家族的几种HMM结构特点,并说明了利用已知家族Profile HMM构造多序列比对的方法;阐述了常用于基因发现的GHMM和目前常用于发现基因结构的HMM结构特点;最后介绍一种结合多种基因发现工具的HMM主要思想.     

基于统计的中文四字姓名识别方法

采用统计方法来识别中文四字姓名。该方法将中文四字姓名的识别过程分为姓名候选和姓名求精两个阶段。采用二元隐马尔科夫模型从已经切分好的文本中候选姓名。利用边界规则对候选姓名进行求精。实验结果表明,该方法的召回率为82．9％,准确率为87．3％。     

三种方法的NP识别比较实验研究

利用错误驱动法、支持向量机法和隐马尔可模型三种方法对汉语文本进行名词短语识别,对实验进行比较分析,结果表明SVM与HMM的识别效果总体上要好于错误驱动法,HMM法在封闭测试中优势明显.研究表明错误驱动法应用于解决从语料库中学习转换规则的传统问题;SVM方法适用于解决两类别的分类问题;而HMM方法侧重应用在与线性序列相关的现象上.     

Brief Introduction to Self—Adapting Hidden Markov Model Program for multiple Sequences Alignment

In this letter,we briefly describe a program of self-adapting hidden Markov model(SA-HMM) and its application in multiple sequences alignment.Program consistes of two stage optimisation algorithm.     

隐马尔可夫模型(HMM)及其应用

隐马尔可夫模型(HMM)是序列数据处理和统计学习的一种重要概率模型,具有建模简单、数据计算量小、运行速度快、识别率高等特点,近几年来已经被成功应用到许多工程任务中.文章介绍了隐马尔可夫模型,并对HMM及其改进的HMM在语音处理技术、人脸识别和人脸表情识别中的应用进行了叙述.