找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。
找到12项技术成果数据。
找技术>-
基于马尔科夫随机场的DMWC频谱感知
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明为基于马尔科夫随机场的DMWC节点选择方法,针对解决融合中心如何选择最优的感知节点作为DMWC的欠采样通道的问题。该方法包括(1)确定节点数目,根据时变支撑集确定需要增加的节点数目;(2)邻域系统划分,用候选新节点与融合中心交互先验知识,配对邻近节点完成邻域系统划分;(3)确定能量函数,利用先验知识计算中心节点的自身权重系数和相互作用权重系数;(4)判断节点是否作为DMWC采样通道。通过以上方法选择的节点作为DMWC采样通道,可以提升采样通道的衰减系数,进而提高重构的效率。
-
综合马尔科夫模型和概率网络的设备状态识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
摘要:本发明涉及一种综合马尔科夫模型和概率网络的设备状态识别方法,使用分层隐马尔科夫模型对设备进行状态识别,能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络,有效地降低模型的计算复杂度并缩短推理时间,将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法,更精确的划分故障发展过程的阶段数目,为设备状态的精确识别打下基础。本发明在功能故障之前检测到健康状态的改变,而且可以使用训练后模型根据在当前行为中观察到的变化来进行设备的剩余寿命预测。
-
一种基于马尔科夫的股价走势预测方法和系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于马尔科夫的股价走势预测方法和系统,该方法在数据库中为每一支股票建立一张表,存储该支股票信息,从网上获取股票数据并存入数据库;从数据库获取每支股票的收盘价存入数组,利用sin函数对数据进行拟合;根据拟合得到的函数的极值点对数据进行分类;通过马尔科夫预测原理进行股价走势预测。该方法根据sin拟合算法,对离散数据进行拟合,利用拟合出的函数的极值点和极值对数据进行分类,在计算出各类之间的转移概率之后,利用马尔科夫预测原理进行预测,解决了股价走势预测准确度不高的问题。
-
一种基于马尔科夫决策过程模型的商品推荐方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的商品推荐方法,包括如下步骤:1)准备阶段;2)初始模型生成阶段;读取状态集合C中一个子序列即状态s及商品集合中的一个商品r,计算状态s迁移到后继状态s·r迁移概率,包括推荐商品r的trMDP(s,r,s·r)和推荐其它商品r′的trMDP(s,r′,s·r),生成状态迁移函数;3)推荐阶段;获取当前用户最近购买或浏览记录;根据记录生成当前用户状态;获取产生最大收益的推荐项,将该推荐项返回给当前用户;记录推荐项以及用户的购买或浏览选择项,生成状态‑推荐‑选择日志;4)线下模型更新阶段;间隔固定时间T,进行线下模型更新。
-
一种适用于自然场景下的中文文字识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。
-
一种基于马尔科夫决策过程模型的会话搜索方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种基于马尔科夫决策过程模型的会话搜索方法,包括如下步骤:1)准备阶段,爬取足够多的网页,获取语料库全集C;C为爬取的网页集合经过筛选后的结果;每个网页内对应有文档d;训练人员进行自发的会话搜索并记录其过程以获取训练数据,生成训练文档;2)训练阶段,数据预处理,统计检索阶段中需要使用的词语t与文档d之间的关联度,包括使用狄利克雷平滑Ps(t|d)和不使用狄利克雷平滑的Pus(t|d);3)检索阶段,接收用户当前输入的查询语句qi;通过公式计算语料库全集C中每个文档d与当前查询qi的关联度;计算每个文档d与整个会话搜索的关联度;返回关联度高的前N篇文档。
-
基于隐马尔科夫模型的短时交通流状态预测方法
成熟度:正在研发
技术类型:发明
应用行业:交通运输、仓储和邮政业
技术简介
本发明涉及智能交通系统领域,尤其是涉及利用路段的参数值序列对短时交通流状态进行预测。一种基于隐马尔科夫模型短时交通流状态预测方法(专利号201310276581.7),包括以下步骤:对采集的数据进行处理和统计,通过设定预测窗口,对预测窗口起始时刻测得值以及预测窗口内参数平均值和序列对比度离散化,构成隐马尔科夫模型的隐状态和观察状态集合,然后利用Baum-Welch算法结合训练数据对模型参数进行学习。最后,对于一定的预测窗口,在已知观察状态序列的基础上,利用Viterbi算法求得最优的隐状态序列,则最优隐状态序列的最后的状态即为预测状态。本发明方法可以对未来短时的交通状态进行预测,是一种有效的短时交通状态预测方法。
-
一种基于隐马尔科夫模型自增量学习的动态手势识别方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法,包括以下步骤:(1)手势检测与跟踪;(2)特征提取与矢量量化;(3)模型训练与手势识别;(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法,可以准确地识别手势操作人在摄像头前完成的动态手势操作,并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中,从而使旧模型能动态适应未来手势数据中产生的新变化,对手势数据中的调整与更变能有更好的适应性,使得模型能不断随着手势数据的调整,对将来未知的手势识别有更好的鲁棒性。
-
一种低分辨率下物体移动方向的马尔科夫判断方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法,属于低分辨率下物体运动方向判定技术领域。主要步骤包括首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库;其次,针对低分辨的图像信息,进行图像中值滤波去噪预处理,并采用sift特征匹配算法获得图像角点;再次,从处理过的图像数据库中选出(m+1)帧图像作为训练集合,且取拍摄时间最早的图像A0作为参考帧;然后,在参考帧内建立平面直角坐标系划分状态空间I等。本发明通过两次运用sift特征匹配算法使图像匹配精度提高,且针对物体时间连续运动的过程采用一阶马尔科夫模型来预测物体的运动方向,大幅度提高了判定低分辨率下物体运动方向的精度。
-
一种基于马尔科夫链的电动汽车充电负荷预测方法及系统
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统,其方法包括步骤设置原始数据信息及模拟次数;确定决策行为;累加充电负荷曲线得到总体充电负荷;判断目前已模拟的次数是否大于设定的模拟次数;判断作为模拟结果的总体充电负荷是否收敛;若收敛,则输出模拟结果;若不收敛,则返回重新设定模拟次数。本发明基于马尔科夫理论,将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量,该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化,进而确定该过程的实时充电需求,在此基础上通过蒙特卡洛模拟计算充电负荷,因此,采用该方法得到的负荷预测结果更加符合实际情况。

