1) Continuous Gaussian mixture Hidden Markov Mode(lCGHMM)
连续高斯混合密度隐马尔可夫模型
1.
In this paper,a new fault diagnosis scheme using acoustic signals is proposed for the bearings by introducing Continuous Gaussian mixture Hidden Markov Mode(lCGHMM) method,in which the data processing error due to vector quantization is avoided,and therefore the diagnosis precision is improved.
率先引入基于连续高斯混合密度隐马尔可夫模型的轴承故障音频诊断方法,避免矢量量化带来的数据处理误差,提高了系统诊断精度;引入基于聚类算法的模型参数初始化方法和标定系数的前向-后向算法,简化系统复杂度,加快了训练和诊断速度,进一步提高了诊断精度。
2) Gaussian of Mixture Hidden Markov Model
高斯混合隐马尔可夫模型
1.
Secondly,Gaussian of Mixture Hidden Markov Model is used to learn and test these eigen-sequences,and the six universal facial expressions are recognized.
以表情视频序列为研究对象,提出了基于相位形式表示脸部运动特征,处理这些运动特征并组成时序特征序列,最后将其输入到改进的高斯混合隐马尔可夫模型进行训练和测试,分析识别6种基本的面部表情。
3) CHMM
连续隐马尔可夫模型(CHMM)
4) continuous hidden Markov model
连续隐马尔可夫模型
1.
Approach of face recognition based on continuous hidden Markov model;
基于连续隐马尔可夫模型的人脸识别方法
5) CHMM
连续隐马尔可夫模型
1.
The paper reports a comparative study between a continuous hidden Markov model(CHMM) and an artificial neural network(ANN) on a text dependent,closed set speaker recognition system in clean and noisy environment.
连续隐马尔可夫模型(CHMM)和人工神经网络(ANN)广泛的应用于说话人识别系统中,本文分别建立基于这两种模型的说话人识别系统,提取感知谐波倒谱系数作为与文本有关的说话人识别的特征参数,并分别在理想和噪声环境下仿真比较。
6) semi-continuous hidden markov modelling
半连续隐马尔可夫模型
补充资料：马尔可夫链模型
见数理社会学。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条