共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
文本信息抽取是处理海量文本的重要手段之一.最大熵模型提供了一种自然语言处理的方法.提出了一种基于最大熵的隐马尔可夫模型文本信息抽取算法.该算法结合最大熵模型在处理规则知识上的优势,以及隐马尔可夫模型在序列处理和统计学习上的技术基础,将每个观察文本单元所有特征的加权之和用来调整隐马尔可夫模型中的转移概率参数,实现文本信息抽取.实验结果表明,新的算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能. 相似文献
3.
通过对马尔可夫模型进行深入的分析的基础上对隐马尔科夫模型做了详细的讨论,对马尔科夫模型在语音识别、疾病分析等方面的应用做了介绍,同时针对隐马尔科夫模型在估值问题、解码问题和学习问题等经典问题上的应用做了研究。最后讨论了马尔科夫模型其隐马尔可夫模型的缺陷,并提出相关的改进建议。 相似文献
4.
本文给出了二指标隐马尔可夫过程的定义、基本问题及解法,并提出一种利用二指标隐马尔可夫过程进行汉字识别的方法。 相似文献
5.
针对社会网络图中的隐组查询问题,提出了一种基于隐马尔科夫模型演化的方法。不同于传统方法,文中首先对“微观法则”提出了一些合理的假设,这些法则决定了在某时刻一个个体是否存在于一个特定群体。通过这些假设,可以得到社会个体和群体的动态演化。然后根据群体演化,找出长时间保持通信的群体作为潜在的隐组,再通过进一步分析,确保这些潜在的隐组以一个较高的概率成为理想的结果。为验证算法的有效性,文中分别对模拟和真实的数据进行了测试。 相似文献
6.
隐马尔可夫模型(HMM)参数迭代算法的改进 总被引:3,自引:1,他引:2
本文提出了一种改进的隐马尔可夫模型(HMM)参数迭代算法,该算法克服了传统算法的缺点,提高了HMM参数系统的分辨率,把它用于语音识别,可以有效地提高语音识别率。 相似文献
7.
针对网络攻击场景下一段时间内信息系统面临的安全风险,文中提出一种基于隐马尔可夫模型的风险评估方法,将网络主机的漏洞建模为隐马尔可夫模型中的状态,将可能受到的攻击建模为隐马尔可夫模型中的观察值,求解一段时间内的成功攻击概率;根据攻击成功后产生的代价和成功攻击的概率,得到时间段内总风险度量值。该方法可从整体角度对网络攻击场景下一段时间内的信息安全风险进行量化评估。 相似文献
8.
9.
对蛋白质序列筛选算法进行了研究,针对蛋白质数据库中存在大量的冗余序列,提出了一种基于隐马尔可夫模型的蛋白质序列筛选算法。详细阐述了在蛋白质数据库中如何建立隐马尔可夫模型。对模型中主要参数的求解和估计给出了主要计算公式。然后利用所建立的模型对蛋白质数据库进行的序列筛选测试,测试结果表明本文设计的算法对同源蛋白质序列筛选精... 相似文献
10.
基于隐马尔科夫模型的个性化推荐系统,通过对模型进行三个层级的推荐设计,采用逐层递进的方式来实现个性化推荐目标。并且每个推荐层级针对不同的用户群体。对目标用户的历史观看记录中存在的兴趣关键词加权处理,以及建立用户兴趣时间转移阈值,推荐给资深用户最可能感兴趣的在线视频内容的方法,完成资深用户的个性化推荐目标。 相似文献
11.
12.
《IEEE transactions on information theory / Professional Technical Group on Information Theory》2009,55(4):1460-1467
13.
隐马尔可夫模型是文本信息抽取的重要方法之一.在一阶隐马尔可夫模型中,假设状态转移概率和观察值输出概率仅依赖于模型当前的状态,一定程度降低了信息抽取的精确度.而二阶隐马尔可夫模型合理地考虑了概率和模型历史状态的关联性,对错误信息有更强的识别能力.提出了基于二阶隐马尔可夫模型的文本信息抽取算法;分析了二阶隐马尔可夫模型在文本信息抽取中的有效性;仿真实验表明,新的算法比基于一阶隐马尔可夫模型的算法具有更高的抽取精确度. 相似文献
14.
结合DNA序列分析例子,介绍了HMMs与其的解码、估计、学习3个计算问题。综述了HMMs在生物信息学中的应用情况,同时对HMMs在生物信息学中可能的发展方向进行了展望。 相似文献
15.
提出了基于二元树复小波变换(DT-CWT)的复小波域隐马尔可夫树(HMT)模型线性图像复原算法,并采用一种简单可行的快速算法来估计HMT模型参数。该方法较好地再现了各种边缘信息,其复原结果较传统的复原方法有不同程度的提高,其运行效率较传统的HMT模型参数估计方法有明显的提高。 相似文献
16.
This paper presents a novel approach for human activity recognition (HAR) using the joint angles from a 3D model of a human body. Unlike conventional approaches in which the joint angles are computed from inverse kinematic analysis of the optical marker positions captured with multiple cameras, our approach utilizes the body joint angles estimated directly from time‐series activity images acquired with a single stereo camera by co‐registering a 3D body model to the stereo information. The estimated joint‐angle features are then mapped into codewords to generate discrete symbols for a hidden Markov model (HMM) of each activity. With these symbols, each activity is trained through the HMM, and later, all the trained HMMs are used for activity recognition. The performance of our joint‐angle–based HAR has been compared to that of a conventional binary and depth silhouette‐based HAR, producing significantly better results in the recognition rate, especially for the activities that are not discernible with the conventional approaches. 相似文献