多变量混沌时间序列局部多项式预测方法及应用

为了改善混沌时间序列的预测精度,提出了一种新的多变量混沌时间序列的局部多项式预测方法.它首先利用多变量时间序列的相空间重构理论重构相空间,并据此利用多项式函数构造预测模型,该模型根据嵌入维数构造数据矩阵,进行模型的参数估计和计算一步预测值,最后根据平均根统计量推断预测效果.Lorenz系统的模拟仿真和上海综合股价指数的局部预测结果表明:用多变量混沌时间序列局部多项式预测法进行预测的误差小,且比单变量混沌时间序列局部多项式预测法的预测精度高.     

贝叶斯框架下的自适应质量变量预测模型

针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法.采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量.利用基于改进Figueiredo-Jain算法的EM算法估...     

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 .     

蒙古文字识别之分类器的设计

文字识别分为联机手写识别和脱机手写识别,其中联机手写识别是通过数字设备采集手写输入信号,然后根据文字特征加以匹配识别的过程。但是由于手写体笔迹变动非常大,精确识别比较困难。针对这种情况,我们提出一套手写体蒙古文字识别多分类器的设计,依次采用了贝叶斯(Bayes)决策方法、判别函数法,以及HMM模型与最近邻方法等。显著提高了系统的识别率和正确率。     

基于核极限学习机的SCR脱硝系统出口NOx浓度动态建模(英文)

为解决变负荷工况下因模型输入变量较多、相关性大导致模型复杂度增加的问题,提出了一种将核极限学习机(KELM)和主成分分析(PCA)相结合的动态建模方法,并应用于选择性催化还原(SCR)脱硝系统出口处的氮氧化物(NO_x)浓度预测.首先,将主成分分析应用于输入数据特征信息提取,并将提取信息的当前和过往序列值用作KELM模型的输入,以反映SCR出口处NO_x浓度的动态特征;然后,将SCR出口的NO_x浓度历史数据作为模型的输入,以提升模型精度;最后,利用优化算法确定模型最优参数.结果表明,与GPR、LSTM、CNN模型相比,所建动态模型的预测误差分别减少约78.4%、67.6%和59.3%,说明该模型结构可靠,能够准确预测SCR系统出口NO_x浓度.     

基于HTK的汉语数码语音识别系统,

HTK(是一套专门用于建立和处理删的语音处理工具箱,主要应用于语音识别领域,也可用于语音合成、字符识别、模拟DNA排序等多个领域.本文结合隐马尔可夫模型(HMM)原理,利用HTK(HMM ToolKit)语音处理工具箱,实现了汉语数码语音识别系统.实验表明,该系统具有较好的语音识别率,且便于进行二次开发.     

基于Kinect深度图像信息的手势轨迹识别及应用

本文提出了一种新型的利用Kinect获取深度图像并进行手势轨迹识别的应用方法,该方法称为HMM(隐马尔可夫)手势轨迹识别方法,具体操作步骤为:首先利用Kinect传感器获取深度图像,然后通过OpenNI的手势生成器的手势分析模块获取完整的手势信息,对手部进行形态学处理,识别并跟踪手势,提取手势轨迹,最后运用HMM手势轨迹识别方法进行识别.实践证明,该方法可快速有效地实现手势轨迹的识别.     

我国居民消费价格指数的FAR模型

根据我国居民消费价格指数的非线性特征,基于多项式样条估计,并利用AIC准则和逐步回归方法选择门限变量和滞后变量,建立了函数系数自回归（FAR）模型,同时运用所建模型对我国居民消费价格指数进行估计和预测,计算结果表明：FAR模型能够很好地解决居民消费价格指数估计和预测这一问题,而且预测精度较高.     

基于CNN的多尺度特征在手写数字识别中的应用

在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.     

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.     

汉语语音识别中区分性声调模型及最优集成方法

提出了2种解决汉语语音识别中声调问题的方法:利用区分性方法对基于隐马尔可夫模型(HMM)的声调模型进行训练;提出将区分性训练的声调模型加入大词汇量连续语音识别系统的最优方法,该方法根据最小音子错误的训练准则以及利用扩展Baum-Welch算法区分性训练与模型相关的概率权重,对声学模型以及声调模型概率进行加权.实验结果表明区分性训练的声调模型能够显著地提高连续语音声调识别率以及大词汇量语音识别系统的识别率,同时区分性的模型权重训练能够在区分性声调模型加入连续语音识别系统之后进一步提高系统的识别性能.     

优化动态核主元分析的工业过程故障监测方法

针对现代生产工业过程中数据的非线性多模态特征,提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型,对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数,利用人工大猩猩部队优化算法对DKPCA核参数进行优化,以发现最优的非线性特征;通过计算各时间点的霍特林统计量T²和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明,GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果,适应性和准确性更高。     

一种基于ECG信息推断的心脏运动信号预测方法

提出一种基于时变多变量回归模型利用ECG信号和心脏运动信号相关性进行预测的预测方法,该方法将ECG信号非平稳心率变化信息的全过程通过模型中互相关项引入心脏信号预测中,以克服单纯的基于线性模型预测方法的不足,增强了对心脏信号中非平稳变化的适应能力,提高了估计的精度。通过对偶卡尔曼滤波器对模型的状态和参数分别进行估计,完成心脏运动信号的实时预测,并通过比较实验验证了算法的有效性。     

隐马尔可夫模型(HMM)参数迭代与语音识别

本文分析了隐尔可夫模型(HMM)的参数迭代与语音识别问题,导出了一系列的参数寻优迭代公式,利用这组迭代公式,不易产生计算时的上溢与下溢,有效地提高了HMM语音识别系统的识别率与可靠。     

一类新的变系数模型的积分估计

该文从实际出发给出了一类实用范围较广的变系数模型,它们的系数函数的自变量(也称光滑变量)不完全一致.首先,使用局部线性方法给出模型的系数函数的初始估计;然后使用积分方法,给出它们的积分估计;进一步,研究这些积分估计的渐近正态性.模拟结果说明该估计方法的有效性.     

基于听觉特性的声纹识别系统的研究

声纹识别技术,形象的说法就是说话人识别技术。它是根据人在说话时产生的波形,以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。本文所研究的是与文本有关的说话人确认系统。比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征,得出MFCC对环境存在更高的鲁棒性。并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。本实验系统的识别率达到了90%,验证了HMM模型识别的准确性。     

基于CDHMM/SONN混合模型的带噪语音识别

利用小波变换对含噪语音信号进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,进一步反映语音信号的动态特性、增强抗干扰能力、提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显提高.     

超超临界机组机炉协调系统的模糊抗扰动预测控制（英文）

为了同时克服超超临界机组机炉协调系统的大范围负荷跟踪和扰动抑制问题,提出了一种利用模糊调度、模型预测控制及扩张状态观测器等技术的模糊抗扰动预测控制方法.首先,在非线性度分析和子空间辨识的基础上,建立受控对象的局部状态空间模型.为了增强控制器的扰动抑制性能,采用扩张状态观测器估计未知扰动和模型失配.然后,利用估计出来的扰动,设计基于局部模型的局部预测控制器并通过模糊调度技术将它们结合成模糊预测控制系统以进一步提高性能.仿真结果表明,所提模糊抗扰动预测控制器能够在负荷大范围变化时取得较好的跟踪性能,同时对于扰动产生的不良影响具有抑制能力.     

动态多阶段系统模块化分析(英文)

针对Markov方法在动态多阶段系统模块化分析中的状态爆炸问题,给出了一种新的动态模块化方法.该方法首先从充分利用动态多阶段系统所包含的静态特性的角度出发,利用集合并操作将阶段故障树的动态模块构造成跨阶段的动态模块.然后,利用变量排序和BDD操作生成模块化MPS对应的系统BDD.针对系统BDD中各种节点连结关系,推导出BDD节点事件概率计算公式,从而计算出动态多阶段系统的可靠度.最后,通过实例说明了动态模块化方法在Markov状态空间和系统BDD尺度均减少时的优越性.     

探地雷达的时域仿真方法研究

探地雷达(GPR)是近些年来比较流行的一种工程和地球物理探测方法。利用数值模型来模拟复杂的地下电磁特性模型是探地雷达理论研究的主要内容之一。论文利用复坐标延伸变量和递归卷积技术的完全匹配层吸收边界条件,构造了模拟基于表面反射GPR模型和垂直探测雷达(VRP)模型的高阶时域有限差分方法(FDTD);并对该方法的稳定性条件进行了理论和数值实例的分析。根据典型探地雷达模型仿真的正演剖面图,可观察到电磁波在地下分层介质中的传播规律,以及电特性参数对电磁波传播的影响。