导读:本文包含了隐马氏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:模型,马氏,高阶,算法,剖面,序列,比对。
隐马氏模型论文文献综述
张彩华[1]（2018）在《模糊隐马氏模型及其在生物序列比对中的应用》一文中研究指出通过对生物序列进行比对,我们能够预测未知序列的功能。而现在最前沿的序列比对算法有:动态规划算法、遗传算法、人工神经网络和隐马氏模型等。而本文就是基于隐马氏模型对生物序列比对问题进行深入研究。研究隐马氏模型就是要研究叁个基本问题:估值问题、解码问题和参数估计问题。对于每个问题,我们有相应的解决算法。隐马氏模型假设观测值独立,而在实际中并不是这样的。本文通过引入模糊测度和模糊积分来放松隐马氏模型的独立性假设,进而进行生物序列比对。在引入模糊理论之后,我们称隐马氏模型为模糊隐马氏模型。本文首先介绍隐马氏模型,并且提出隐马氏模型需要解决的叁个问题及其解决算法。然后介绍隐马氏模型在生物序列比对中的应用及其局限。针对隐马氏模型的局限,我们提出改进的用于生物序列比对的模型——模糊隐马氏模型。这种模型是在隐马氏模型的基础上引入了模糊理论。由统计学知识知道测度具有可加性,而模糊测度的主要特征就是非可加性。因为模糊测度是单调的,所以当隐马尔科夫模型引入模糊测度后其统计独立性得到放宽。文中给出了模糊隐马氏模型的算法:模糊前向算法、模糊后向算法、模糊Viterbi算法和模糊EM算法。若我们引入的是概率测度和Choquet模糊积分,那模糊隐马氏模型就变成了经典的隐马氏模型。模糊测度包括可能性测度、似然测度、λ模糊测度、信任测度、必要性测度和自对偶测度等等。在本文中我们引入可能性测度(最保守的模糊测度)和Choquet模糊积分。将引入可能性测度和Choquet模糊积分的模型应用于实验中。经过实证分析,说明改进后的模糊隐马氏模型在处理生物序列比对问题时效果更好。(本文来源于《山东大学》期刊2018-04-20）
叶飞,王翼飞[2]（2014）在《高阶隐马氏模型研究进展》一文中研究指出首先分析了高阶隐马氏模型的研究动机和背景,并给出了高阶隐马氏模型的一般结构和定义,然后总结了高阶隐马氏模型的一般研究方法,最后展望了高阶隐马氏模型进一步的研究方向.(本文来源于《数学进展》期刊2014年02期）
叶飞,王翼飞[3]（2013）在《基于动态规划的高阶隐马氏模型推广的Viterbi算法》一文中研究指出首先通过Hadar等价变换方法将高阶隐马氏模型转换为与之等价的一阶向量值隐马氏模型,然后利用动态规划原理建立了一阶向量值隐马氏模型的Viterbi算法,最后通过高阶隐马氏模型和一阶向量值隐马氏模型之间的等价关系建立了高阶隐马氏模型基于动态规划推广的Viterbi算法.研究结果在一定程度上推广了几乎所有隐马氏模型文献中所涉及到的解码问题的Viterbi算法,从而进一步丰富和发展了高阶隐马氏模型的算法理论.(本文来源于《运筹学学报》期刊2013年04期）
叶飞,王翼飞[4]（2013）在《混合高阶隐马氏模型的EM算法》一文中研究指出提出了一类混合高阶隐马氏模型.基于模型降阶法,通过Hadar等价变换方法将混合高阶隐马氏模型分别转换为与之等价的两个混合一阶隐马氏模型,然后利用混合一阶隐马氏模型的EM算法建立了混合高阶隐马氏模型的EM算法,给出了混合高阶隐马氏模型的参数重估公式,并使用一阶隐马氏模型的标准技术来计算这些参数重估公式.该研究推广了Rabiner,Hadar和杜世平等人的结果.(本文来源于《系统科学与数学》期刊2013年03期）
叶飞[5]（2012）在《高阶隐马氏模型算法理论若干问题的研究》一文中研究指出隐马氏模型作为一种具有双重随机过程的统计模型,具有可靠的概率统计理论基础和强有力的数学结构,目前已经被广泛应用于语音识别、字符识别、生物序列分析、金融数据分析、图像处理和计算机视觉等领域,但这些应用主要是基于一阶隐马氏模型的算法和理论.在一阶隐马氏模型中,假定状态转移概率和符号发出概率都只取决于当前的状态,而与以前的状态和发出的符号无关.尽管这样的假定在一定程度上对一些实际应用是有效的,并简化了相关的算法理论,但同时这样的假定也使得一阶隐马氏模型存在一定的不足和缺陷,不能对一些实际过程提供更加准确的描述,例如语音过程和DNA碱基排序过程等.为了克服一阶隐马氏模型的不足和缺陷,一些学者从不同角度对一阶隐马氏模型提出了一些改进措施.其中之一是通过考虑状态转移概率或符号发出概率与更多远程状态之间的依赖关系,从而提出了高阶隐马氏模型.与一阶隐马氏模型相比,高阶隐马氏模型具有更好的时序结构,能够纳入更多的统计特征,在一定程度上克服了一阶隐马氏模型的不足和缺陷,从而能够为一些实际应用提供更好的模型,对一些实际过程给予更加准确的描述.尽管高阶隐马氏模型具有更好的应用潜力,但相关的应用研究还是很少的.究其原因,其中之一是高阶隐马氏模型的算法理论尚不完善,缺少有效的算法.为了让高阶隐马氏模型得以广泛的应用,必须进一步发展和完善高阶隐马氏模型的算法理论.对于高阶隐马氏模型算法理论的研究有两种基本方法：一种方法是拓展法,就是根据一阶隐马氏模型算法的原理和方法,直接推导出高阶隐马氏模型的算法；另一种方法是模型降阶法,就是通过某种方法将高阶隐马氏模型转换为与之等价的一阶隐马氏模型,然后利用一阶隐马氏模型的标准技术建立高阶隐马氏模型的算法.本文分别使用拓展法和模型降阶法研究了高阶隐马氏模型算法理论中的若干重要问题,进一步发展和完善了高阶隐马氏模型的算法理论,为高阶隐马氏模型的实际应用奠定了一定的理论基础.本文主要获得了如下研究结果：(1)提出了一类叁阶隐马氏模型,其中状态转移概率和符号发出概率都同时取决于当前状态和前面两个状态.通过借鉴一阶隐马氏模型算法的原理和方法,使用拓展法为叁阶隐马氏模型定义了相应的向前变量、向后变量和Viterbi变量,研究和推导了叁阶隐马氏模型中叁个基本问题的算法,即估值问题的向前-向后算法、解码问题的Viterbi算法、单观测序列下学习问题的Baum-Welch算法以及多观测序列下学习问题的Baum-Welch算法.其中,多观测序列可以是相互独立的也可以是统计相关的,并使用组合权重来刻划多观测序列的独立相关性,从而使得叁阶隐马氏模型在多观测序列下学习问题的Baum-Welch算法适用于更一般的训练集.为了说明这种一般性,给出了多观测序列下学习问题Baum-Welch算法的两个特例,即多观测序列分别在相互独立时和一致相关时的Baum-Welch算法.另外,还研究了叁阶隐马氏模型与一阶隐马氏模型之间的关系,构造了一个与叁阶隐马氏模型等价的一阶隐马氏模型,给出并证明了它们之间的等价性定理.(2)针对一类任意高阶的隐马氏模型,基于Hadar的等价变换方法和Li的组合方法,使用模型降阶法建立了多观测序列下高阶隐马氏模型的Baum-Welch算法,获得了多观测序列下高阶隐马氏模型的参数重估公式,并使用一阶隐马氏模型的标准技术来计算这些参数重估公式.其中,多观测序列可以是相互独立的也可以是统计相关的,并使用组合权重来刻划多观测序列的独立相关性,从而使得高阶隐马氏模型在多观测序列下学习问题的Baum-Welch算法适用于更一般的训练集.为了说明这种一般性,给出了参数重估公式的两个特例,即多观测序列分别在相互独立时和一致相关时的参数重估公式.(3)参照混合模型的概念,提出了一类混合高阶隐马氏模型.基于模型降阶法,通过Hadar的等价变换方法将混合高阶隐马氏模型转换为与之等价的混合一阶隐马氏模型,然后利用混合一阶隐马氏模型的Baum-Welch算法建立了混合高阶隐马氏模型的Baum-Welch算法,给出了混合高阶隐马氏模型的参数重估公式,并使用一阶隐马氏模型的标准技术来计算这些参数重估公式.(4)针对一类任意高阶的隐马氏模型,分别使用拓展法和模型降阶法分析了高阶隐马氏模型的解码问题.至于拓展法,就是通过定义高阶隐马氏模型的Viterbi变量,根据动态规划原理建立了高阶隐马氏模型推广的Viterbi算法,利用推广的Viterbi算法可直接求得高阶隐马氏模型的最佳路径.至于模型降阶法,就是通过Hadar的等价变换方法将高阶隐马氏模型转换为与之等价的一阶隐马氏模型,然后利用一阶隐马氏模型的Viterbi算法求得这个等价的一阶隐马氏模型的最佳路径,最后根据这个等价的一阶隐马氏模型的最佳路径与原高阶隐马氏模型最佳路径之间的关系间接地求出原高阶隐马氏模型的最佳路径.(本文来源于《上海大学》期刊2012-05-01）
叶飞,衣娜,王翼飞[6]（2011）在《叁阶隐马氏模型算法及其与一阶隐马氏模型的关系》一文中研究指出为了考虑更多的统计特征,提出了一类叁阶隐马氏模型,其中状态转移和输出观测同时取决于当前状态和前面两个状态.研究和推导了这类叁阶隐马氏模型中估值问题的向前—向后算法、解码问题的Viterbi算法和学习问题的Baum-Welch算法.对此类叁阶隐马氏模型,构造了一个与之等价的一阶隐马氏模型,提出并证明了它们的等价性定理.研究结果丰富了隐马氏模型的算法理论,可为一些实际应用提供更好的方法.(本文来源于《应用科学学报》期刊2011年05期）
陈勇[7]（2011）在《叁状态隐马氏模型观测过程的可逆性(英文)》一文中研究指出对于连续时间和离散时间叁状态隐马氏模型,给出了观测过程直到叁维的似然函数流的显式表达.作为一个应用,证明了观测过程可逆性的充分必要条件.(本文来源于《数学进展》期刊2011年03期）
陈文锋,晃志英[8]（2011）在《一种带有模糊观测层的隐马氏模型》一文中研究指出提出了一种带有模糊观测层的隐马氏模型,称之为模糊隐马氏模型,它给我们提供了一种在模糊集的框架下解决兼有模糊性和随机性问题的方法.更重要的是它建立起来了一条联系连续隐马氏模型和离散隐马氏模型的纽带.(本文来源于《贵州师范大学学报(自然科学版)》期刊2011年01期）
张喜良[9]（2010）在《拓展的隐马氏模型和基于遗传算法的参数估计方法》一文中研究指出隐马氏模型(Hidden Markov Models,简称为HMM)是一类统计模型,它包括一个隐状态过程和一个与之相关的可观测过程。其经典理论是由L.E.Baum等在20世纪60年代末70年代初所给出的。随后这一模型于20世纪70年代中期由Jenik等应用到语音识别领域,逐步发展成为语音识别领域中最瞩目、最有效的技术之一。目前,它在生物统计、基因识别、文字识别和图像处理等方面都有广泛应用.遗传算法(Genetic Algorithm,简称为GA),是模拟自然界生物进化过程与机制求解极值问题的一类自组织、自适应人工智能技术。其经典理论最初是由美国芝加哥大学的Holland教授提出的。本文主要从隐马氏模型的拓展着手,首先给出了层次隐马氏模型(Hierarchical Hidden Markov Model,简称为HHMM)的定义,推导出了HHMM的叁个问题的解决方法,得出了类似于隐马氏模型的前后向算法、Viterbi算法以及学习算法,并在假设观测序列可分割为相互联系较弱的子序列的基础上,给出了一种隐马氏模型的分块改进方法。然后给出了基于HMM的生物序列比对方法:基于对隐马氏模型(Pair HMM)的双序列比对方法和基于剖面隐马氏模型(Profile HMM)的多序列比对方法。最后针对多序列比对中的Profile HMM的参数优化问题,提出了遗传算法与Baum—Welch(BW)算法相结合的参数估计方法,给出了一种设计方案。(本文来源于《国防科学技术大学》期刊2010-11-01）
李成渊,龙海侠,孙俊,须文波[10]（2010）在《基于剖面隐马氏模型的多序列比对》一文中研究指出多序列比对被称为NP完全问题,是生物信息中最基本的问题之一。目前,广泛使用剖面隐马尔可夫模型解决多序列比对问题。作者在粒子群优化算法的基础上,提出了将量子粒子群优化算法用于剖面隐马尔可夫模型的训练过程,进而构建了一种基于剖面隐马氏模型和量子粒子群优化算法的多序列比对算法。从核酸序列和BaliBASE比对数据库中选取了一些比对例子进行了模拟实验,并与其他算法进行了比较,结果表明,所提出的算法能在有限的时间内不仅能找到理想的隐隐马尔可夫模型,而且能得到最优的比对结果。(本文来源于《食品与生物技术学报》期刊2010年04期）
隐马氏模型论文开题报告
（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：
首先分析了高阶隐马氏模型的研究动机和背景,并给出了高阶隐马氏模型的一般结构和定义,然后总结了高阶隐马氏模型的一般研究方法,最后展望了高阶隐马氏模型进一步的研究方向.
（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。
隐马氏模型论文参考文献
[1].张彩华.模糊隐马氏模型及其在生物序列比对中的应用[D].山东大学.2018
[2].叶飞,王翼飞.高阶隐马氏模型研究进展[J].数学进展.2014
[3].叶飞,王翼飞.基于动态规划的高阶隐马氏模型推广的Viterbi算法[J].运筹学学报.2013
[4].叶飞,王翼飞.混合高阶隐马氏模型的EM算法[J].系统科学与数学.2013
[5].叶飞.高阶隐马氏模型算法理论若干问题的研究[D].上海大学.2012
[6].叶飞,衣娜,王翼飞.叁阶隐马氏模型算法及其与一阶隐马氏模型的关系[J].应用科学学报.2011
[7].陈勇.叁状态隐马氏模型观测过程的可逆性(英文)[J].数学进展.2011
[8].陈文锋,晃志英.一种带有模糊观测层的隐马氏模型[J].贵州师范大学学报(自然科学版).2011
[9].张喜良.拓展的隐马氏模型和基于遗传算法的参数估计方法[D].国防科学技术大学.2010
[10].李成渊,龙海侠,孙俊,须文波.基于剖面隐马氏模型的多序列比对[J].食品与生物技术学报.2010
论文知识图
