导读:本文包含了耦合隐马尔可夫模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:马尔,可夫,模型,故障诊断,特征,手势,概率。
耦合隐马尔可夫模型论文文献综述
张全贵,蔡丰,李志强[1]（2018）在《基于耦合多隐马尔可夫模型和深度图像数据的人体动作识别》一文中研究指出为解决使用RGB图像进行特征提取时容易受外界因素干扰,且计算复杂度高等问题,采用一种更加有效的解决方案,即使用深度数据进行人体动作识别。利用Kinect采集的关节点数据,首先将人体关节划分成五个区域,对每个区域的向量夹角离散化从而描述不同的状态,再通过Baum-Welch算法学习出各区域的多隐马尔可夫模型(multi-HMM),并使用前向算法建立生成区域与动作类别概率矩阵。在此基础上,对区域及动作类别进行内耦合和间耦合分析,从而表达各关节点之间的交互关系。最后使用基于耦合的K最邻近(KNN)算法完成整体的动作识别。通过实验测试对五种动作的识别率均达到90%以上,并与3D Trajectories等方法进行对比,实验得到的综合识别率高于对比方法,具有明显的优势。(本文来源于《计算机应用》期刊2018年02期）
过浩,王智博,赵丽莉,朱超[2]（2015）在《基于耦合隐马尔可夫模型的变压器故障诊断研究》一文中研究指出针对油中溶解气体分析(dissolved gas analysis,DGA)技术存在判断标准过于绝对和编码不全的不足,以及隐马尔可夫模型(hidden Markov model,HMM)的单状态序列结构限制了多通道信息融合的能力,提出基于耦合隐马尔可夫模型(coupled hidden Markov model,CHMM)的故障诊断方法。采用变压器油色谱数据进行模型训练和状态评估测试,验证了该方法的可行性和有效性。算例结果表明,该故障诊断方法的准确率优于传统基于HMM的故障诊断方法,有效降低了诊断误判的风险。(本文来源于《广东电力》期刊2015年12期）
林国余,柏云,张为公[3]（2013）在《基于耦合隐马尔可夫模型的异常交互行为识别》一文中研究指出为了有效识别视频监控领域中的打斗和抢劫等异常交互行为,提出一种基于耦合隐马尔可夫模型(CHMM)的异常交互行为识别方法.首先对人与人之间异常交互行为与正常交互行为的特征差别进行分析,然后提取了包括速度、面积变化率、目标外接矩形长宽比变化率、目标间距、目标运动方向角度差以及方向梯度直方图6类人体目标的运动特征和形态特征,并组成训练数据集,在此基础上使用耦合隐马尔可夫方法构建异常交互行为模型.实验中引入一些典型的行为数据库,如CASIA和CAVIAR数据集,通过和传统的基于隐马尔可夫模型(HMM)的识别方法进行对比,表明CHMM方法更适合于识别少数人的异常交互行为,且识别率更高.(本文来源于《东南大学学报(自然科学版)》期刊2013年06期）
林孝松,刘书军,许江[4]（2012）在《采用灰色-马尔可夫耦合模型预测古树屋边坡变形》一文中研究指出基于预测拟合值和实际监测值的相对误差划分不同的预测状态,利用马尔可夫链对灰色GM(1,1)预测值进行修正,计算得到边坡变形的范围和相应的预测值。以古树屋开挖边坡为研究对象,利用耦合模型对其变形进行预测,得到边坡的变形预测值为57.006 0 mm,预测的变形范围大小在56.845 8～61.755 4 mm之间。实例分析结果表明:与线性回归模型以及单纯灰色模型预测结果比较,采用灰色-马尔可夫耦合模型对开挖边坡变形进行预测的结果精度较好,且能较准确地预测边坡变形大小的范围。(本文来源于《路基工程》期刊2012年01期）
肖文斌,陈进,周宇[5]（2011）在《耦合隐马尔可夫模型在轴承故障诊断中的应用》一文中研究指出由于多通道数据包含了丰富的信息,有效融合多通道数据可以得到更加准确可靠的诊断结果。鉴于此,提出一种基于耦合隐马尔可夫模型的滚动轴承多通道融合故障诊断方法。该方法利用含两条链的耦合隐马尔可夫模型融合轴承水平方向和垂直方向的振动信号来进行故障诊断。通过对滚动轴承常见故障的诊断分析表明,与常用的基于隐马尔可夫模型的故障诊断方法相比,该方法可以更加准确地诊断轴承的故障。(本文来源于《噪声与振动控制》期刊2011年06期）
肖文斌[6]（2011）在《基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究》一文中研究指出随着科学技术的日益进步与现代工业的飞速发展,机械设备不断向大型、复杂、高速、高效及重载的方向发展;与此同时,其工作和运行环境也更加复杂和苛刻。这些设备一旦突然发生故障,不仅会增加企业的维护成本,降低企业的生产效率,还可能造成巨大的经济损失,甚至导致严重的人员伤亡,产生不良的社会影响。因此,如何准确有效地诊断和评估设备的运行状态,从而合理地制定维护计划以防止突发故障的发生,确保设备安全高效地运行是当前亟需解决的问题。通常,设备由正常到完全失效总会经历一系列不同程度的性能退化状态。因此,如果能够在设备性能退化的过程中准确地监测到其性能退化的程度,那么就可以有针对性地制定设备维护计划,从而有效防止设备因故障而失效。性能退化评估正是基于这一思想而提出的一种主动维护技术。性能退化评估技术与传统的故障诊断技术在理念上有很大的不同,它侧重于对设备全寿命周期性能退化走向的分析,而并不局限于对某个时刻状态的诊断。多通道数据包含丰富的信息,合理地融合多通道数据可以得到更加准确可靠的结果;而耦合隐马尔可夫模型是一种对多通道数据进行建模的概率模型。为此,本文以滚动轴承为研究对象,深入开展了基于耦合隐马尔可夫模型的多通道融合故障诊断与性能退化评估的理论体系和技术方法的研究,包括以下几个方面的内容:(1)从理论分析与工程应用的角度出发,阐述了论文的选题背景和研究意义。分析了机械设备故障诊断方法、性能退化评估方法、信息融合技术、状态监测与故障诊断系统等方面的国内外研究现状,总结了目前研究中需要解决的问题,确立了本文的研究内容。(2)介绍了作为本文理论基础的隐马尔可夫模型(Hidden Markov Model, HMM)的相关概念和基本算法,讨论了其算法实现问题及相应的解决办法,最后通过滚动轴承故障诊断实例详细阐述了常用的基于HMM的故障诊断方法的基本思想和流程。(3)将耦合隐马尔可夫模型(Coupled Hidden Markov Model, CHMM)引入到滚动轴承多通道融合故障诊断中。在分析了HMM用于多通道信息融合的不足的基础上,介绍了适合于多通道信息融合的CHMM的基本理论,并推导了其前向-后向算法和参数估计算法。然后,提出了基于CHMM的滚动轴承多通道融合故障诊断方法。该方法利用含两条链的CHMM融合滚动轴承水平方向和竖直方向的振动信号来进行故障诊断。最后,利用滚动轴承故障诊断试验进行了验证,并与常用的基于HMM的故障诊断方法进行了比较。结果表明,所提方法可以准确诊断轴承的故障。(4)针对多通道融合故障诊断中可能出现的缺失数据和野点的情况,通过对原前向-后向算法进行改进,提出了一种耦合隐马尔可夫模型的鲁棒性自适应推理算法。最后,利用试验数据进行了验证。结果表明,所提方法在缺失数据的情况下,仍然可以利用现有数据得到较准确的结果,而不需重新训练模型。(5)提出了基于耦合隐马尔可夫模型的滚动轴承多通道融合性能退化评估方法。首先,介绍了作为数据来源的滚动轴承加速寿命试验,并详细分析了全寿命周期各通道常用监测指标的变化规律。然后,针对现有的性能评估方法存在对数据完备性要求高、评估结果可解释性差等缺点,结合多通道信息融合技术,提出了基于CHMM的滚动轴承多通道融合性能退化评估方法。该方法仅需正常状态下的数据训练CHMM,建立性能退化评估模型,然后使用该模型对轴承的退化程度进行定量评估。并且,通过核密度估计(Kernel Density Estimation, KDE)实现了对报警门限的估计。最后,利用滚动轴承加速寿命试验数据验证了所提方法的可行性和有效性。(6)针对当前状态监测与故障诊断系统的缺点与不足,提出了一种基于面向服务架构(Service Oriented Architecture, SOA)的故障诊断与性能退化评估系统架构,并使用Web服务(Web Services)和WCF(Windows Communication Foundation)等面向服务的技术实现了所提的基于耦合隐马尔可夫模型的故障诊断与性能退化评估系统。(本文来源于《上海交通大学》期刊2011-12-01）
刘江华,陈佳品,程君实[7]（2003）在《基于光流及耦合隐马尔可夫模型的动态手势识别》一文中研究指出基于块的相关算法来计算光流 ,并利用光流跟踪双手的运动 .双手的运动轨迹取相邻两点的速度向量 ,经 8方向链码量化后作为观察向量 .和直接利用位置信息相比较 ,提高了识别的鲁棒性 .采用耦合隐马尔可夫模型来识别双手动态手势 ,提出并实现了最大后验概率的训练 .对 6个双手动态手势的试验表明 ,耦合隐马尔可夫模型 ( CHMM)比常规隐马尔可夫模型 ( HMM)能更有效地对双手动态手势建模(本文来源于《上海交通大学学报》期刊2003年05期）
耦合隐马尔可夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对油中溶解气体分析(dissolved gas analysis,DGA)技术存在判断标准过于绝对和编码不全的不足,以及隐马尔可夫模型(hidden Markov model,HMM)的单状态序列结构限制了多通道信息融合的能力,提出基于耦合隐马尔可夫模型(coupled hidden Markov model,CHMM)的故障诊断方法。采用变压器油色谱数据进行模型训练和状态评估测试,验证了该方法的可行性和有效性。算例结果表明,该故障诊断方法的准确率优于传统基于HMM的故障诊断方法,有效降低了诊断误判的风险。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
耦合隐马尔可夫模型论文参考文献
[1].张全贵,蔡丰,李志强.基于耦合多隐马尔可夫模型和深度图像数据的人体动作识别[J].计算机应用.2018
[2].过浩,王智博,赵丽莉,朱超.基于耦合隐马尔可夫模型的变压器故障诊断研究[J].广东电力.2015
[3].林国余,柏云,张为公.基于耦合隐马尔可夫模型的异常交互行为识别[J].东南大学学报(自然科学版).2013
[4].林孝松,刘书军,许江.采用灰色-马尔可夫耦合模型预测古树屋边坡变形[J].路基工程.2012
[5].肖文斌,陈进,周宇.耦合隐马尔可夫模型在轴承故障诊断中的应用[J].噪声与振动控制.2011
[6].肖文斌.基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D].上海交通大学.2011
[7].刘江华,陈佳品,程君实.基于光流及耦合隐马尔可夫模型的动态手势识别[J].上海交通大学学报.2003
论文知识图
