检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进隐马尔可夫模型的非侵入式负荷监测

电气工程学报 2023年第2期18卷 157-163页

作者：郭嘉谢景海袁敬中姜宇孙密毕忠勤国网冀北电力有限公司经济技术研究院北京100038 北京京研电力工程设计有限公司北京100038 上海电力大学计算机科学与技术学院上海200090

细粒度的能源消耗监测是智能电网建设的重要环节之一。非侵入式负荷监测作为一种能源消耗监测方法,能够深入分析用户细粒度的负荷成分,对用户端的电力优化具有非常重大的意义,同时还具有实施快捷、成本低的特点。首先通过放宽模型的假... 详细信息

细粒度的能源消耗监测是智能电网建设的重要环节之一。非侵入式负荷监测作为一种能源消耗监测方法,能够深入分析用户细粒度的负荷成分,对用户端的电力优化具有非常重大的意义,同时还具有实施快捷、成本低的特点。首先通过放宽模型的假设条件,对隐马尔可夫模型进行改进,然后基于改进的隐马尔可夫模型对家庭电力负荷进行建模,最后用改进的Viterbi算法求解负荷设备的最佳状态转移序列,进而求解出每种设备的所消耗的功率。试验结果显示所提改进算法不仅具有较高的精度,还具备较好的稳定性,同时分解出的功率曲线与实际的功率曲线更加贴合,具有很好的效果。

关键词：非侵入式负荷监测隐马可夫模型能源消耗监测智能电网

一种基于Hawkes过程的隐藏情绪倾向识别方法

在线全文

学校读者我要写书评

暂无评论

北京理工大学学报 2019年第10期39卷 1086-1090页

作者：向南张明敏杨黎丽重庆理工大学两江国际学院重庆400054 浙江大学计算机学院浙江杭州310058

为有效模拟情绪的动态转换过程,检测个体在交互过程中隐藏的情绪倾向从而提高虚拟交互过程的智能性,首先利用Hawkes过程模拟个体情绪的产生与衰退过程,然后利用隐马尔科夫模型检测个体的表情并将其映射到情绪模型的维度空间,最后通过对... 详细信息

为有效模拟情绪的动态转换过程,检测个体在交互过程中隐藏的情绪倾向从而提高虚拟交互过程的智能性,首先利用Hawkes过程模拟个体情绪的产生与衰退过程,然后利用隐马尔科夫模型检测个体的表情并将其映射到情绪模型的维度空间,最后通过对比受到事件刺激前后观测到的情绪状态来推导个体针对事件的情绪倾向.在个体隐藏情绪状态的情况下,系统采用持续追加正向刺激的策略激活个体的情绪表达,对于无法检测到情绪表达的状态采用默认为负倾向的策略.实验显示,本方法能够有效计算个体隐藏的情绪倾向并提高交互的智能性.

关键词：情绪倾向识别智能交互霍克斯过程隐马可夫模型

在线全文

学校读者我要写书评

暂无评论

私播课论坛中学习者会话行为建模研究

电化教育研究 2021年第11期42卷 63-68,106页

作者：张思高倩倩马鑫倩魏艳涛杨海茹华中师范大学人工智能教育学部湖北武汉430079 西华师范大学教育学院四川南充637002

私播课(Small Private Online Course,SPOC)论坛中的非结构性文本蕴含学习者认知和内部心理加工过程,对其分析有助于理解和解释学习结果的成因。以64名学生在SPOC论坛中的会话文本为对象进行数据挖掘,结合LDA主题建模和隐马尔可夫模型... 详细信息

私播课(Small Private Online Course,SPOC)论坛中的非结构性文本蕴含学习者认知和内部心理加工过程,对其分析有助于理解和解释学习结果的成因。以64名学生在SPOC论坛中的会话文本为对象进行数据挖掘,结合LDA主题建模和隐马尔可夫模型对学习者会话行为进行实体建模,并比较高低绩效组会话行为差异,最后运用回归分析和卡方检验探索了影响学习绩效的行为模式。结论表明高低绩效组的学习行为转移存在明显差异,高绩效组的行为转移具有渐进性和平滑性,倾向于序次解决问题,而低绩效组的行为转移则更倾向于浅层回溯。信息查阅、信息加工、信息发布、协作交互、问题解决和信息评价行为均与学习成绩有关,但信息查阅行为对学习成绩有着显著正向影响,且较多的协作交互和信息评价行为能够触发学习者的高阶认知。通过教育文本数据挖掘,教师能够发现不同群体的行为特征,从而进行适应性指导和精准教学,促进学习者高阶思维发展。

关键词： LDA主题模型隐马可夫模型学习行为学习绩效

基于Hawkes的游戏沉浸体验中的社交因素分析

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2018年第7期30卷 2761-2766页

作者：向南朱凌云尚思为重庆理工大学两江国际学院重庆401135 重庆理工大学计算机学院重庆400054

为了提高用户在进行严肃游戏的沉浸体验,研究游戏过程中的社交因素对游戏体验的影响权重。划分游戏体验的维度并将能够影响用户体验的游戏过程中的社交事件按照体验维度进行归类,利用霍克斯过程模拟这些事件对用户游戏沉浸体验的影响过... 详细信息

为了提高用户在进行严肃游戏的沉浸体验,研究游戏过程中的社交因素对游戏体验的影响权重。划分游戏体验的维度并将能够影响用户体验的游戏过程中的社交事件按照体验维度进行归类,利用霍克斯过程模拟这些事件对用户游戏沉浸体验的影响过程,通过最大后验概率估计和用户的体验强度反求出各种社交事件的权重。系统利用游戏中用户面部表情直接计算游戏体验的强度,面部表情的类别通过训练隐马可夫模型进行识别。实验显示,本方法能够有效计算影响用户游戏体验的社交事件权重并提高游戏的可控性。

关键词：游戏体验社交因素霍克斯过程隐马可夫模型

在线全文

学校读者我要写书评

暂无评论

基于HMM的连续语音识别系统的设计

基于HMM的连续语音识别系统的设计

作者：潘莹中南民族大学

学位级别：硕士

语音识别是让机器能够“听懂”人类的语言,并把人类的语音信号转化为相应的文本或命令的技术。语音识别是一门涉及面很广的交叉学科,它与声学、语言学、人工智能、神经心理学、数字信号处理、计算机科学等学科都有着密切的联系。语音识... 详细信息

语音识别是让机器能够“听懂”人类的语言,并把人类的语音信号转化为相应的文本或命令的技术。语音识别是一门涉及面很广的交叉学科,它与声学、语言学、人工智能、神经心理学、数字信号处理、计算机科学等学科都有着密切的联系。语音识别的应用范围非常广泛,比如语音打字机、数据库检索、汽车语音导航等等。围绕语音识别介绍了语音识别的三种基本方法,基于声道模型和语音知识的方法、模板匹配的方法以及人工神经网络的方法。在模板匹配方法中最常用的方法有三种:动态时间规整(DTW)、隐马尔可夫(HMM)理论、矢量量化(VQ)。本设计采用的是基于HMM方法实现的语音识别,大多数的大词汇量、连续的、非特定人语音识别系统也都是基于HMM模型实现的。本设计是基于HTK平台,以HMM为模型,选取MFCC为特征参数,Viterbi算法作为识别基础,实现了中等词汇量、非特定人、连续语音识别系统的设计。本设计中训练句子200个,测试句子100个,测试句子正确识别了87个,句子识别率为87%。测试的句子中总共包含800个词,其中正确识别771个词,词的识别率为96.38%。通过对比单音素建模、三音素建模以及决策树绑定的三音素建模,最终得出决策树绑定的三音素HMM模型识别率最高,基于上下文相关的HMM模型具有较强的抗噪能力和稳定性。

关键词：语音识别隐马可夫模型 HTK MFCC

联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基

作者：杨晓霞华中农业大学

学位级别：硕士

蛋白质-核酸相互作用在基因表达和调控等诸多生命过程中发挥着极其重要的作用,利用计算方法准确识别蛋白质中与核酸发生物理接触的区域有助于阐明这类相互作用机制。目前大多数算法仅独立地采用特征驱动方法或模板方法预测核酸绑定残基... 详细信息

蛋白质-核酸相互作用在基因表达和调控等诸多生命过程中发挥着极其重要的作用,利用计算方法准确识别蛋白质中与核酸发生物理接触的区域有助于阐明这类相互作用机制。目前大多数算法仅独立地采用特征驱动方法或模板方法预测核酸绑定残基,但是其预测精度仍有待提高。针对现有算法的不足,本研究通过联合上述两种策略,分别构建了基于结构信息和基于序列信息的混合算法。RBRDetector算法结合蛋白质结构的局部相似性和全局相似性构建RNA绑定残基的预测模型。具体而言,基于蛋白质局部相似性,开发了一种特征驱动的预测方法。该方法抽取了残基的进化保守性、局部几何指标、网络拓扑指标等属性,并将这些属性联合残基的局部微环境组成支持向量机的输入特征。同时,利用RNA绑定蛋白的全局相似性,开发了一种基于结构比对的模板方法。该方法将查询蛋白与模板库中的RNA绑定蛋白质进行结构比对,选择最优的模板构建预测的蛋白质—RNA复合物,进而利用该复合物识别相应的绑定区域。最后,通过分段函数将上述两种预测方法的结果进行联合,使混合算法的预测精度大幅提高。通过对不同类型的数据集(如绑定结构、非绑定结构、理论模型等)进行测试,结果显示RBRDetector算法显著优于现有同类算法。虽然利用结构信息能够较为精确地识别核酸绑定残基,但是现有蛋白质结构数据的匮乏限制了其适用范围,而基于序列信息的预测方法则具有更广泛的应用价值。为此,本研究开发了依据序列信息识别核酸绑定残基的混合算法SNBRFinder。该算法采用基于隐马可夫模型的序列谱比对方法寻找查询序列的最优模板,并将位置特异性打分矩阵和互补的序列特征通过序列微环境构成特征组合,最后结合这两种方法的输出结果作为预测值。为了验证该算法的有效性,本研究运用广泛的核酸绑定蛋白数据集进行了严格的测试。实验结果显示模板方法的预测性能与结构比对方法相当,额外序列特征的加入能有效提高特征驱动方法的预测效果。利用上述两种方法的互补性,混合算法SNBRFinder展现出更好的核酸绑定残基识别能力。

关键词：蛋白质-核酸相互作用核酸绑定残基结构比对隐马可夫模型位置特异性打分矩阵

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文文本层次分类方法研究及应用

中文文本层次分类方法研究及应用

作者：孔照昆扬州大学

学位级别：硕士

伴随着网络的迅猛发展,人们要接受的信息数量也成几何级数的增长。面对Internet中海量的、纷繁芜杂的信息,如文本信息、声音信息、视频信息等等,如何快速有效的获取信息知识,并且能按照某种特定的结构模型进行有序化的整理,这无疑是一... 详细信息

伴随着网络的迅猛发展,人们要接受的信息数量也成几何级数的增长。面对Internet中海量的、纷繁芜杂的信息,如文本信息、声音信息、视频信息等等,如何快速有效的获取信息知识,并且能按照某种特定的结构模型进行有序化的整理,这无疑是一个很重要的课题。信息处理技术的目的就是从杂乱的信息中发掘最有效的信息,经过十几年的长足发展,信息处理技术已取得了较大的进步。文本分类技术的任务就是基于文本内容,从给定的类别集中找出一个或多个相似的文本类别,指定于待分类文本,目前常用的方法是基于机器学习和概率统计的文本分类方法。在现实的分类体系中,类别具有多层次的组织结构模式,而传统的文本分类思想恰恰忽略了对层次的考虑。概念层次树的构建,为用户提供了可视化浏览及搜索的操作功能,同时体现了文本库中文本间的语义联系。层次分类的核心思想是“分块而治”,分类过程从根节点开始,将待分类文本与各级节点进行比较,划分到最相似的一个或几个分类树节点下,最终当到达叶子节点时分类过程结束。文本分类技术经历了从基于规则到基于统计,再到如今规则与统计相结合的研究发展过程。其中向量空间模型是较为常用的数学模型,该模型将词条表示为特征向量,由特征向量表征文档,但该模型只关注了词形结构,忽略了词义联系。本文利用潜在语义索引和隐马尔可夫模型等方法,充分利用了文本中隐含语义信息,并依此实现文本层次分类,本文主要研究内容包含以下几个方面：（1）介绍了层次文本分类技术的基本方法和关键技术,并参考分析了国内外相关工作的研究进展,指出在文本层次分类应用中的不足,目前常用的分类法缺少对文本语义信息的考虑,并且分类性能受噪声影响较大,今后的研究应该更注重文本的语义联系。（2）提出了基于潜在语义的文本层次分类法。在以层次结构表示的文本类别中,每一个类别就是一个主题。在文本分类过程中,包含主题类别的词条比其它词条更为重要。本文就提出使用Gibbs抽样的方法,来抽取一系列的概率主题类别标签,文本就由这些概率主题来表示,然后将主题类别标签运用于潜在语义分类模型的构建。本文提出的基于潜在语义索引的模型,探索了主题标签在层次文本分类中的作用。实验结果表明,该方法有效的提高了分类精度。（3）提出了基于改进隐马尔可夫的文本分类过程。在层次文本分类中,主题类别是按照预定的层次关系进行划分的。通过主题类别的划分就是要将分类任务细化为小的子问题,然后对每个主题类别构建一个分类器,最后通过这些子分类器将待分类文本分到层次结构中相应的类别。在树形结构中,待分类文档只与某主题类别节点下的文档比较,只是在同一层次同一节点下的比较。本文按照层次分类的思想提出基于隐马可夫模型的子分类器构建,并且详细介绍了文本分类的过程。（4）本文结合网络犯罪案件信息分析的运用背景,将层次文本分类的思想运用于网络犯罪案件信息分析系统的构建,提出了原型系统的构建模型。同时,本文为以语义网为基础的案件侦查本体构建提出了统一的标准知识表示结构框架,明确后续本体构建的基本规则。

关键词：文本层次分类特征抽取潜在语义索引概率主题隐马可夫模型