简介：AnovelDiscreteWaveletTransform(DWT)basedHiddenMarkovModule(HMM)forfacerecognitionispresentedinthisletter.ToimprovetheaccuracyofHMMbasedfacerecognitionalgorithm,DWTisusedtoreplaceDiscreteCosineTransform(DCT)forobservationsequenceex-traction.Extensiveexperimentsareconductedontwopublicdatabasesandtheresultsshowthattheproposedmethodcanimprovetheaccuracysignificantly,especiallywhenthefacedatabaseislargeandonlyfewtrainingimagesareavailable.

简介：1月3日，韩国现代商船（HMM）联合另外两家韩国航运企业——兴亚航运（Heung—AShipping）和长锦商船（SinokorMerchantMarine），结成了新的航线运营联盟——HMM＋K2联盟。该联盟将于2017年3月正式运营，服务网络将覆盖日本、韩国、中国、东南亚以及西亚地区。

简介：隐马尔科夫过程是20世纪70年代提出来的一种统计方法，以前主要用于语音识别，1989年Churchill将其引入计算生物学，目前HMM是生物信息学中应用比较广泛的统计方法。本文对马尔科夫过程和HMM进行了简明扼要的描述，并对其在CpG岛位置判别中的应用做了概括介绍。

简介：计算序列X终止于状态,如序列分析、基因识别等,表示从状态k转化到状态l的概率

简介：则HMM模型就有效地用于描述时变语音信号,HMM对语音信号的描述及应用,本文实现的是一个基于离散的HMM的孤立词识别系统

简介：

简介：

简介：Toefficientlydecreasethesizeofparametersandimprovetherobustnessofparameterstraining,afuzzyclusteringbasedphonetictied-mixturemodel,FPTM,ispresented.TheGaussiancodebookofFPTMissynthesizedfromGaussiancomponentsbelongingtothesamerootnodeinphoneticdecisiontree.FuzzyclusteringmethodisfurtherusedforFPTMcovariancesharing.ExperimentalresultsshowthatcomparedwiththeconventionalPTMwithapproximatelythesameparameterssize,FPTMdecreasethesizeofGaussianweightsby77.59%andincreaseswordaccuracyby7.92%,whichprovesGaussianfuzzyclusteringisefficient.ComparedwithFPTM,covariance-sharedFPTMdecreasesworderrorrateby1.14%,whichprovesthecombinedfuzzyclusteringforbothGaussianandcovarianceissuperiortoGaussianfuzzyclusteringalone.

简介：本文提出的MMD算法用于提高模型区别错误信息和正确信息的能力．利用该算法在对模型的参数进行重估计时．涉及到复杂的目标函数的梯度运算．击运用矩阵运算使得梯度运算变得简单明了，因此本文给出了MMD算法下的HMM参数重估计的矩阵表示形式并给出了证明．

简介：摘要名词短语识别是自然语言处理领域中的一个较热的课题。本文对基于HMM名词短语识别系统的设计进行讲解，以供参考。

简介：探讨了连续隐马尔可夫模型的基本原理及其在汉语数码语音识别中的应用,实现了一个汉语数码语音识别系统,其正确识别率达到99%以上。

简介：

简介：摘要：近几十年来，在业内专家学者的努力下语音识别技术取得显著进步，已经从实验室走向市场。在这个过程中，深度学习和神经网络的发展做出不少贡献，但神经网络依赖大量数据而且神经网络模型具有不确定性，当训练数据与目标数据分布存在差异时识别效果可能非常差。在一些领域我们对识别系统的精度要求非常高。我们已经明显感觉到，语音识别技术在工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域都可以发挥重要作用。探索使用HMM模型来识别孤立词在我们的生活中具有重大意义。隐马尔可夫模型是成熟的模型，在语音识别，机器视觉等多个领域有着广泛的应用。隐马尔可夫模型能够很好地为语音等序列数据建模，可以很好地描述序列数据之间的关系。隐马尔可夫模型与GMM模型的完美融合可以使HMM模型在语音识别中更好地对状态进行建模从而提高识别率。因为GMM模型的加入使得HMM的观测矩阵更真实地贴近观测概率。加入GMM的HMM模型经过5个人的数据的训练其识别精确度可以达到87%。在数据量得到扩充的前提下效果有望达到100%。

简介：为维吾尔语腭裂患者语音理解度的评估提供一种非主观的临床辅助手段,提出了一种通过语音识别技术对腭裂患者进行语音评估的方法。结合腭裂病理性语音特征和维吾尔语特点,提取维吾尔语正常儿童语音特征参数,建立了基于隐马尔科夫模型（HMM）的腭裂语音评估系统。再用此系统对腭裂患儿进行了语音理解度评估实验。将此方法评估结果与由专家判听来完成的主观评估方法比较。实验结果显示,该方法对于腭裂患儿的语音评估结果与主观评估结果具有高度一致性,该方法有一定的临床价值,值得进一步研究。

简介：摘要：预测与健康管理（prognostics and health management,PHM）技术对可靠性工程及综合保障工程的发展起到了强有力的牵引作用。基于PHM可开展故障预警，将装备的历史故障信息、征兆及专家经验综合应用于使用维护决策。传统观点认为电子设备的故障表现为突发性，无明显征兆，基于传统的机内测试（built-in test,BIT）架构开展故障的预测难度大，主要采用事后维修方式，表现出任务可靠性差、致命故障风险高的弊端。机载雷达正面临该难题，尤其是雷达执行重要任务前，迫切需要故障预警技术来识别故障征兆、预测剩余寿命，给出预防性维护建议。

简介：摘要随着命名实体识别技术在各语言子领域中的不断应用,基于规则的命名实体识别系统可移植性低的问题突显，从而制约了基于规则的命名实体识别技术的发展。本文对命名实体识别规则自动提取的方法进行了简要介绍，并使用HMM模型对自动生成的规则进行了评估和改进，使得基于规则的命名实体识别技术的应用范围和实用性大大增强。

简介：本文讨论了用状态驻留时间来模型化传统的HMM模型。HMM的一个基本假设是它认为语音信号是准平稳的。然而由状态输出yt的HMM模型，并不能很好地表征语音信号中平稳段或平稳段之间的具体特征；由转移弧产生输出的自左向右HMM系统,则对语音特征作更为细致的描述。本文主要讨论在[2]的基础上,对新建模型进行参数估计。