基于AR特征的刀具状态识别方法

通过分析切削过程刀具产生的振动信号的特点,引入自回归(AR)模型来表征刀具切削过程的工作状态;并利用隐Markov模型(HMM)对经AR模型处理后得到的特征向量(AR系数)和由FFT得到的特征向量(幅值谱)进行比较.结果表明:对于切削过程产生的振动信号采用AR模型得到的特征参数比由FFT得到的幅值谱更能有效地表征这一过程中刀具的工作状态.     

基于加速度计的肉牛次级采食行为自动识别方法研究

【目的】 肉牛采食行为包括卷食、咀嚼、卷食—咀嚼等几种次级行为。监测肉牛次级采食行为有助于评估牛只的健康状况和营养水平。文章旨在利用加速度传感器研究肉牛次级采食行为识别方法,对比不同监测部位对次级采食行为识别的影响。【方法】 将加速传感器安装在肉牛的鼻子、右颌、左嘴3个部位,检测次级采食行为的加速度信号,经过衍生变量函数计算,扩充数据维度,使用ExtraTreesClassifer选择出9种重要特征,运用XGBoost算法识别肉牛采食次级行为（卷食、咀嚼、卷食—咀嚼、其他）,最后使用HMM-viterbi算法修正次级行为识别结果。【结果】 XGBoost和HMM-viterbi在鼻子、右颌、左嘴3个部位识别的平均结果相同,XGBoost识别的平均准确率、精确率、F1得分和召回率分别为0.95、0.93、0.93和0.93,HMM-viterbi修正后识别的平均准确率、精确率、F1得分和召回率均为0.99。因此,运用HMM-viterbi模型可以有效修正行为识别结果。在XGBoost识别结果中,鼻子部位识别次级行为的得分较高,考虑长期佩戴传感器的稳定性,推荐采用鼻子作为检测部位。【结论】 在肉牛鼻子部位佩戴加速度器,利用XGBoost结合HMM-viterbi的方法可以自动识别肉牛次级采食行为。     

基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别

哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过FasterR-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换。结果表明,对姿态转换片段识别的精度为93.67%、召回率为87.84%。研究结果可为全天候母猪行为自动识别提供技术参考。     

隐马尔可夫模型下基于SIFT特征的局部遮挡目标识别

提出一种利用隐马尔可夫模型建立目标特征匹配库来识别图像中局部遮挡目标的新方法。该方法首先通过SIFT算法提取目标SIFT特征,然后采用隐马尔可夫模型对目标所有的SIFT特征进行训练,得到目标SIFT特征对应的模型输出概率范围,将该概率范围作为目标特征匹配库。在对图像中的目标进行识别时,利用目标特征匹配库可以把目标特征从图像所有特征中识别出来,即使目标遮挡比例为60%时,该方法仍能识别出目标。实验结果表明,新方法可以精准地识别出图像中被遮挡目标,能够很好地解决遮挡情况下的目标识别问题。与现有局部遮挡目标识别算法相比,新方法所取得的目标识别率均有所提高。     

基因组转座子鉴别与注释方法研究进展

转座子是一类可以在基因组不同位置间移动的、重复的序列,广泛存在于真核和原核生物基因组中,并对基因组的结构、功能和进化有着重要影响。转座子鉴别与注释是基因组注释工作的重要一步,相关软件可分为3类:从头算法、基于同源性的算法和联合算法,不同的软件实现方法和功能各不相同,并各有优缺点。文中对此进行了综述,并提出在今后的开发中将会出现更多结合多种算法的综合流程程序包,它们整合多种方法的优点,针对性强,可根据不同的需求来解决实际问题。     

基于用户访问行为的HTTP-Get Flood攻击检测方法

提出用多分支的隐马尔可夫模型来分析Web页面访问行为,以区分正常数据和异常数据,并提出一种HTTP-Get Flood攻击检测方法.     

一种光纤管道安全预警系统的EAD算法

由于石油天然气的特殊性,管道周围存在多处非破坏性干扰事件,给预警系统报警的准确性带来了巨大挑战。为提高有背景干扰情况下对破土事件(Excavation Acitivity,EA)的检测水平,开发了破土事件检测(Excavation Acitivity Detection,EAD)算法。利用光纤管道安全预警系统(Pipeline Security Forewarning System,PSFS)在西气东输武汉—鄂州段的现场数据,建立了EA和干扰事件(Non Excavation Acitivity,NEA)数据库。根据信号特性提炼了振动信号的Pisarenko谐波分解特征、相邻采样点的Itakura距离特征、Mel频率倒谱系数特征,设计了隐马尔科夫模型(Hidden Markov Model,HMM)和支持向量机(Support Vector Machine,SVM)双层分类结构,由HMM计算最优状态序列,然后输入SVM分类器区分信号中是否有EA。结果表明:该EAD算法结构能够有效提升有背景干扰情况下EA信号的检出率,经现场测试EA信号检出率为85.5%。研究结果可为光纤管道安全预警系统在开放性现场的应用提供理论依据。     

基于HMM的缝洞型油藏产量预测算法

缝洞型油藏具有非均质性强，开采难度大的特点.预测油藏产量变化规律对后期开发方案的制定、调整以及实际的生产优化至关重要.本文以塔河油田实际生产数据为基础，建立了基于HMM（隐马尔可夫模型）的缝洞型油藏产量变化规律预测模型.该模型可预测未来一周油藏生产井产油趋势，为油藏生产开发提供指导.实验结果显示，本文提出的基于HMM的产量预测算法预测精度最大可达85.71%.     

Application of Wavelet Transform and HMM Model in Recognition of Speech Signals

Some parameters based on wavelet transform and ARMA Model are presented. Wavelet transform provides a high frequency resolution, and the ARMA model is more powerful due to its including of the zeros pole in the model. The experimental result of alphabet of A to N from National Institute of Standard Technology (NIST) database is given. The error rate has been improved, especially C.     

基于HMM的机床切削颤振趋势预报软件的开发研究

为了准确地预报机床切削颤振趋势，在机床切削颤振趋势预报的理论和方法的基础上，开发了基于隐Markov的机床切削颤振趋势预报软件。介绍了软件系统的开发环境、应用工具以及采用VC^＋＋与Matlab语言混合编程的接口实现方法，阐述了整个软件系统的组成和基本功能。实际应用证明，该软件具有一定的理论价值和较强的实用性。