搜索结果: 1-13 共查到“人工智能 HMM”相关记录13条 . 查询时间(0.021 秒)
基于HMM的嵌入式语音交互在AmI中的应用
语音识别 嵌入式 隐马尔可夫模型
2009/8/11
环绕智能的一个重要目的是实现人与环境的交互更加自然。该文通过语音识别技术体现环绕智能环境中的自然交互的理念，系统采用隐马尔可夫模型实现语音识别，同时为了保证嵌入式环境下交互的实时性，采用IP核来设计与实现算法，并进行仿真验证。实验数据表明系统具有较好的性能，对语音识别在环绕智能环境中的应用研究有一定的理论和实践意义。
基于HMM和微粒群优化算法的表情识别
隐马尔科夫模型 微粒群优化算法 离散余弦变换
2009/7/31
提出基于微粒群优化算法(PSO)的隐马尔科夫模型(HMM)训练算法，分别用PSO和量子微粒群优化算法进行HMM的参数估计，以提高HMM的性能。将改进的HMM算法应用于人脸表情识别，采用离散余弦变换提取表情特征向量。实验结果表明，该算法能有效提高表情识别率，解决HMM的参数估计问题。
基于FLDA、CPCA与HMM的人脸识别
Fisher线性鉴别分析 隐马尔可夫模型 复主分量分析
2009/7/21
为了获得具有较高识别率的算法，提出了一种将Fisher线性鉴别分析（Fisher Linear Discriminant Analysis）、复主分量分析（Principal Analysis in the Complex Space）与隐马尔可夫模型（Hidden Markov Models）相结合进行人脸识别的方法。对于输入的不同光照、人脸表情和姿势的图像先进行归一化处理，然后将归一化后的图像...
SVM和HMM混合模型在人脸识别中的应用
隐马尔可夫模型 人脸识别 混合模型
2009/6/11
采用支持向量机（SVM）和隐马尔可夫模型（HMM）相结合的方法进行人脸识别。首先对照片中的人脸进行定位,从定位区域提取人脸各个器官的独立基特征,然后使用支持向量机和隐马尔可夫混合模型对定位区域进行人脸识别。利用SVM和HMM结合的优点,取得较高的识别率。
HMM非特定人连续语音识别的嵌入式实现
嵌入式系统 语音识别 搜索算法
2009/5/13
嵌入式系统正逐渐成为语音识别实际应用的首选平台。该文在嵌入式平台上研究HMM连续语音识别的计算复杂度要素,提出特征系数屏蔽方法和综合剪枝相结合的"瘦身"计算方法,降低计算复杂度并保持识别率。该方法在嵌入式平台上研究的实验数据表明,HMM连续语音识别瘦身系统与基线系统相比,计算时间从基线系统的100％降低到27.91％,识别率仅从基线系统的89.65％下降到89.41％。
基于HMM和SVM的指纹分类方法
指纹分类 支持向量机 隐马尔可夫模型
2009/4/30
该文提出了指纹分类的一种新型方法:使用指纹编码的基于隐马尔可夫模型(HMM)和支持向量机(SVM)的两级分类,该方法采用FingerCode作为指纹的特征表述,首先用5个伪二维 HMM进行类别初选,确定最可能的两种指纹分类结果,再用相应的 SVM分类器做最终判决,实验表明,分类性能已经达到或超过目前流行的指纹分类算法,具有一定的实用价值。
基于HMM的汉语介词短语自动识别研究
汉语介词短语 自动识别 依存语法
2009/4/27
提出了一种基于隐马尔可夫模型(HMM)的介词短语界定模型，通过HMM的介词短语边界自动识别和依存语法错误校正2个处理阶段，较好地完成了对一个经过分词和词性标注的句子进行介词短语界定任务，为更进一步的句法分析工作打下良好的基础。试验结果显示：该模型的识别正确率达到了86.5%（封闭测试）和77.7%(开放测试)，取得了令人满意的结果。
基于HMM复杂场景下的行为识别方法
行为识别 隐马尔可夫模型 分层构筑 行为语法
2009/4/27
人的行为模式的理解与识别是智能视觉监控系统的一个关键环节。针对目前大部分的研究都是简单场景下的简单行为识别，不具有广泛适用性的问题，该文提出一种复杂场景下的分层行为建模和识别方法。通过统计方法在监控画面内选定若干个有意义的标志点，利用这些标志点将复杂行为分解为一系列简单行为，对简单行为的轨迹进行HMM建模，并利用Level-Building算法进行复杂行为的识别。实验结果表明，该方法对复杂行为具有...
一种基于E-HMM的选择性集成人脸识别算法
人脸识别 嵌入式隐马尔可夫模型 模型选择
2009/4/3
基于嵌入式隐马尔可夫模型(Embedded Hidden Markov Model, E-HMM)的人脸识别方法的识别性能依赖于模型参数的合理选择。提出了一种基于E-HMM的多模型选择性集成人脸识别算法，选择出个体精度高且互补性强的模型来进行集成的人脸识别。实验结果表明，与传统的基于E-HMM的人脸识别方法相比，新算法不仅可以获得更好、更稳定的识别效果，而且具有更强的泛化能力。
基于反馈调节改进HMM的语音识别系统
语音识别 HMM 反馈调节
2008/11/28
语音信号是一个时变的信号，而且也是一个随机过程，要建立一个语音识别系统计有一个好的语音特征还不够，还要有一个好的语音识别的模型和算法，在语音识别系统中通常分为两部分，声学层部分主要研究如何充分利用语音信号中的信息，语音学层部分主要研究如何充分利用已有语音学知识来提高系统的识别率。为了提高系统的鲁棒性，在一个反馈系统控制当中，常常抽出输出端的信号反馈与输入端的信号叠加，然后作为输入端信号的参考。基于...