驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

IMPLEMENTATION OF GRADIENT-BASED ESTIMATION OF HMM PARAMETERS

IntroductionIn Hidden Markov Model ( HMM) - basedspeech recognition systems,it is very importanttoset the parameters of HMMs correctly.Conven-tional training algorithms such as Baum- Welch al-gorithm,are based on the criterion of maximumlikelihood( ML) .The strength of Baum- Welch al-gorithm lies in its fast convergence andmonotonous improvement[1] . For other criteriasuch as maximum mutual information,however,such an algorithm does not exist.In this case,acommon resort is a gradient- b…     

基于HMM在电机故障诊断上的研究

提出一种基于隐马尔可夫模型的方法用于故障的诊断与检测,该方法采用HMM与模式识别相结合的方法,通过对电机的电压电流信号进行特征提取和分析,构建电压电流空间模型,并且每个模型可以作为一级,每一级可以提高其判断的准确度,而HMM模型用做一个故障分类器来使用,相比于自适应模糊推理方法（MLFF）和多层前馈网络法（ANFIS）,其准度有了很大提高,并且减少了计算。通过对不同故障诊断实例阐述了基于HMM的故障诊断方法的有效性和可行性。     

基于HMM的个体微博情感分析预测方法研究

微博已经逐渐成为个体表达情感的重要途径,进行个体情感分析预测研究具有重要意义.在研究个体情感特点基础上,设计了基于HMM的个体微博情感分析模型,通过微博文本情感提取,PAD情感模型维度量化和HMM模型对个体情感发展进行分析步骤获取个体情感状态变化稳定特征,并进行情感预测以实现及时心理疏导,通过实例研究发现该方法在无外部重大事件刺激下具有很好预测效果.     

基于HMM的客车转向架故障诊断与应用

介绍隐马尔可夫模型（HMM）算法在转向架故障诊断中的应用.利用HMM方法研究转向架在运行过程中抗蛇行减振器正常、异常状态,HMM的参数根据试验数据统计训练出,提出了一种新的转向架故障诊断方法,试验证明该诊断方法可行.     

隐Markov模型在智能交通领域中应用

隐马尔科夫模型（HMM）是一种广泛使用的统计模型,在生命科学、信息科学、智能交通等领域得到广泛的应用。简述隐Markov模型的基本原理、核心问题及其改进模型,详细阐述隐马尔科夫模型在交通流阻塞智能检测、车辆碰撞预警和驾驶员意图识别等智能交通领域应用情况,并对其应用前景进行展望。     

面向安全预警的机动车驾驶意图研究现状与展望

简述当前开展面向安全预警的机动车驾驶意图研究的目的和意义.分析国内外研究现状,得出从驾驶员行为及驾驶动作序列角度开展驾驶意图研究的可行性和有效性,同时介绍了 2种基于概率与数理统计的机动车驾驶意图建模方法.结合驾驶员在直线封闭路段实施驾驶行为特征,阐述使用隐马尔科夫模型(HMM)理论建立驾驶意图模型的步骤以及模型参数学习和系统在线优化算法等内容.对驾驶意图模型网络结构、动态性能方面相关研究方向进行展望.     

结合人体运动特征的行为识别

人体运动具有马尔可夫性质,即当前状态只受前一状态的影响.目前为止,用于人体行为识别的隐马尔可夫模型（HMM）大多使用的是全连接结构（Full-Connected structure）,并且没有把状态数目的选取和状态转移条件与人体运动特性间的关系作为研究重点.本文针对这种关系提出了基于“从左到右三状态半连接HMM”的人体行为识别方法,为每个状态的输出概率引入了权重的概念.实验表明,该方法能够在降低运算复杂度的同时,提高行为识别率,从而证明了人体运动特性分析在HAR领域中的应用价值.     

Human-imitation recognition algorithm based on multi-character

A multi-character recognition method based on hidden Markov model (HMM) was presented. The method can reduce the calculation load of correlation and improve recognition accuracy compared with single-character recognition in video. The characteristics used for recognizing include the shape character, the color character, the texture character and so on. Even our human being generally uses these characteristics to recognize objects in practice. A recognition experiment of 17 fishes was carried out in the paper. The experimental results demonstrate the high veracity of the multi-character recognition algorithm. Together with the tracking process, it can handle dynamic objects, so the multi-character recognition is more like the human recognition, and has great application value.     

岸边集装箱起重机司机操作意图识别方法研究

以港口岸边集装箱起重机装卸操作过程为研究背景,基于隐马尔科夫模型（HMM）,建立双层HMM模型,运用修改后的Forward-Backward算法,计算操作层各个HMM模型的似然度,选择似然度最大的模型作为操作行为的识别结果,组成观察序列串后,送入意图层HMM模型集,进行桥吊司机操作意图的识别。最后,采用Matlab环境实现HMM模型,通过现场统计确定案例基础数据,验证了模型的有效性。结果表明,该模型可准确识别岸边集装箱起重机司机的操作意图,对于研究港口机械智能辅助驾驶系统具有一定的意义。