导读:本文包含了模糊隐马氏模型论文开题报告文献综述及选题提纲参考文献，主要关键词:生物信息学,序列比对,隐马氏模型,模糊隐马氏模型
模糊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）
赵雪梅,李玉,赵泉华[2]（2016）在《基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法》一文中研究指出本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法.该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL(Kullback-Lerbler)信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度.在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度.通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性.(本文来源于《电子学报》期刊2016年03期）
张艳雪[3]（2015）在《基于模糊—隐马尔可夫模型的复合式攻击预测方法研究》一文中研究指出随着人类进入信息时代,对网络中信息的安全传输、信息的安全存储以及信息的安全处理,提出的要求越来越高。网络安全不仅关系到国家的安危、经济的发展和科技的进步,还关乎到每个人的切身利益。网络就像一把双刃剑,不仅使社会信息化速度加快,而且为信息安全保障问题提出巨大挑战。近些年来,网络安全犯罪率呈逐年上升的趋势。特别是,随着网上银行、手机银行、电子商务等网上业务的兴起,各种专用网络的建设,由之而来的网络安全问题,也逐渐成为人们关注的热点问题。现阶段,传统的被动防御已经不能适应动态变化的网络安全需求。将军事领域的纵深防御思想应用于网络安全防护,主动防御应运而生。通过对现有的复合式攻击预测方法的研究,本文将改进的Apriori算法和模糊评判法引入隐马尔可夫模型,提出了基于模糊—隐马尔可夫模型的复合式攻击预测方法。基于模糊—隐马尔可夫模型的复合式攻击预测方法,首先通过对原始报警信息特征事件的语义分析以及对攻击类型具有的特征的分析,制定规则,将原始报警信息融合为超级报警信息。由于攻击者的真实意图隐藏于系统中,无法由观测者直接观测到,而可直接观测到的信息为原始报警信息,鉴于此,将隐马尔可夫模型应用于复合式攻击预测模型中,将报警信息作为隐马尔可夫模型的观察值,出现在观察层。攻击者真正的攻击意图隐藏于系统中,出现在隐含层。进而根据隐马尔可夫模型的Forward算法识别报警信息隶属的攻击场景,Viterbi算法识别和预测攻击意图序列。然后通过Baum-Welch算法对新生成的隐马尔可夫模型进行训练,得到新的模糊—隐马尔可夫模型,并依次使用Forward算法识别报警信息隶属的攻击场景,Viterbi算法识别和预测攻击意图序列。本文的理论意义为:提出的基于模糊—隐马尔可夫模型的复合式网络攻击预测方法,可实现在动态、复杂、不确定的网络攻击环境下,对网络攻击意图的预测。较好的解决了复合式网络攻击预测方法中存在的攻击行为难预测、网络攻击匹配度难确定等问题,并为网络安全态势评估、防御资源优化配置、主动防御等问题的研究提供了理论依据。本文的实践意义为:论文的成果之一:复合式网络攻击行为识别&预测方法,重点实现复合式攻击行为的判断、报警信息隶属的攻击场景的识别和攻击意图序列的预测叁项功能,将成为主动防御的重要组成部分,并应用于主动防御实践中。通过仿真实验可以看出:经过训练的隐马尔可夫模型比未经过训练的隐马尔可夫模型在对复合式攻击行为的识别和预测效果更佳,而且在当前四类主流的复合式攻击预测方法中,本文提出的基于模糊—隐马尔科夫模型的复合式攻击预测方法在报警信息预处理、报警信息关联等方面的综合性能最优。(本文来源于《河北师范大学》期刊2015-05-25）
张艳雪,赵冬梅,刘金星[4]（2015）在《基于模糊—隐马尔可夫模型的复合式攻击预测方法》一文中研究指出通过对复合式攻击预测方法的研究,将关联规则、模糊评价法和隐马尔可夫模型相结合,提出了基于模糊—隐马尔可夫模型的复合式攻击预测方法。该方法首先将原始报警信息融合为超级报警信息,进而基于攻击行为的初始概率分布确定初始状态矩阵,根据关联规则确定状态转移矩阵,应用模糊判别法确定观察矩阵,最后应用隐马尔可夫模型中的Forward算法对报警信息隶属的攻击场景进行了识别,Viterbi算法对攻击意图序列进行了预测。仿真实验验证了该方法的有效性。(本文来源于《电光与控制》期刊2015年01期）
赵雪梅,李玉,赵泉华[5]（2014）在《结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割》一文中研究指出为了克服经典模糊聚类图像分割算法对图像噪声的敏感性,该文提出结合高斯回归模型(GRM)和隐马尔科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊C均值(FCM)的目标函数,再用KL(Kullback-Leibler)信息加以改进,并将HMRF和GRM模型应用到该目标函数中,其中HMRF模型通过先验概率建立标号场邻域关系,而GRM模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。利用提出的算法和其它经典算法分别对模拟图像、真实SAR图像以及纹理图像进行了分割实验,并对分割结果进行精度评价。实验结果表明,该文提出的算法具有更高的分割精度。(本文来源于《电子与信息学报》期刊2014年11期）
李嵩松,惠晓峰[6]（2011）在《含马氏链的股票指数模糊随机预测模型》一文中研究指出为了获得更加准确和更加值得信赖的股票指数预测结果,依据股票指数的模糊随机预测模型,通过引入马尔可夫链的概念和股票指数上涨或下跌的转移概率,改进了股票指数的模糊随机预测模型中的预测参数.在以2009年全年的每日60 min沪深300指数为样本的实证研究中,采用了原模糊随机预测模型和改进了预测参数后的模糊随机预测模型分别进行预测,改进后的模型预测出的结果比原模型预测的结果更加接近沪深300指数的真实走势.研究结果表明:通过引入马尔可夫链和转移概率对预测参数进行的改进,提高了模糊随机预测模型对股票指数的预测精度.(本文来源于《哈尔滨工程大学学报》期刊2011年08期）
陈文锋,晃志英[7]（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）
李凌,黎明,鲁宇明[8]（2010）在《基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别》一文中研究指出纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中。在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息。灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM)。通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性。最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别。实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98%。(本文来源于《中国图象图形学报》期刊2010年09期）
刘芳,毛志忠,李磊[9]（2010）在《基于模糊自回归隐马尔可夫模型的控制过程异常数据检测》一文中研究指出在工业过程控制系统中,利用智能方法建立被控对象模型已经受到越来越多的关注。模型的准确与否对于控制器的设计以及控制的准确性至关重要,而准确的建模数据是建立准确被控对象模型的必要条件。本文针对控制过程对于建模数据异常定义的特殊性,提出一种适合于控制过程建模数据异常检测的方法:基于模糊自回归隐马尔可夫模型(ARHMM)的控制过程异常数据检测方法。该方法分别通过叁部分检测将数据分成正确数据集和异常数据集,并确定正确数据集的隶属度函数,最后根据叁个集合的隶属度函数来判断数据是否异常。针对控制过程数据量大,实时性强等特点,模糊ARHMM采用在线更新参数的办法,保证了该方法能够适用于控制过程的数据检测及建模的要求。试验结果和实际应用表明,基于模糊ARHMM的异常数据检测方法具有很好检测效果和实际应用价值。(本文来源于《仪器仪表学报》期刊2010年05期）
闫翠苹[10]（2009）在《基于Contourlet域模糊隐马尔可夫模型的SAR图像分割》一文中研究指出合成孔径雷达(SAR)图像的分割问题是SAR图像目标识别与解释技术的重要环节,一直是目前雷达信号处理领域的热点。由于SAR成像时,图像产生大量斑点噪声,并且具有灰度变化大、纹理复杂并且边界模糊等特点,传统的光学图像分割算法和基于经典的马尔可夫随机场模型的图像分割算法不能很好地处理分割中相干斑点噪声的影响等问题,容易产生错分。本文针对遥感图像斑点噪声大,边界模糊的特点,将模糊概念和马尔可夫随机场相结合,并用一个阈值标准把模糊模型划分为硬马尔可夫随机场(MRF)和模糊马尔可夫随机场(FMRF),建立了一种改进的模糊马尔可夫随机场模型,并把它推广到Contourlet域,提出了一种基于Contourlet域改进的FMRF模型的SAR图像分割新算法。该算法用FMRF模型刻画Contourlet子带的聚集性,通过对模型的分析得出图像像素对不同类的隶属度的计算公式,是一种高效、无监督的图像分割算法。仿真结果和分析表明,本文算法在抑制斑点噪声的同时,有效地提高了SAR图像分割的精度。本文又提出了一种基于Contourlet域HHMT-FMRF混合模型的SAR图像分割新算法。该算法在Contourlet变换的各尺度上将FMRF模型和HHMT模型相融合,综合各尺度的信息,把Contourlet系数间的聚集性和持续性融入图像的分割中,实现了较精确的分割,新算法被运用到真实SAR图像的分割中。试验结果表明,本文算法不但有效地抑制了斑点噪声的影响,减少了误分,而且提高了效率,有效地降低了算法的复杂度。(本文来源于《西安电子科技大学》期刊2009-01-01）
模糊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：
本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法.该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL(Kullback-Lerbler)信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度.在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度.通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性.
（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。
模糊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].赵雪梅,李玉,赵泉华.基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法[J].电子学报.2016
[3].张艳雪.基于模糊—隐马尔可夫模型的复合式攻击预测方法研究[D].河北师范大学.2015
[4].张艳雪,赵冬梅,刘金星.基于模糊—隐马尔可夫模型的复合式攻击预测方法[J].电光与控制.2015
[5].赵雪梅,李玉,赵泉华.结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割[J].电子与信息学报.2014
[6].李嵩松,惠晓峰.含马氏链的股票指数模糊随机预测模型[J].哈尔滨工程大学学报.2011
[7].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
[8].李凌,黎明,鲁宇明.基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别[J].中国图象图形学报.2010
[9].刘芳,毛志忠,李磊.基于模糊自回归隐马尔可夫模型的控制过程异常数据检测[J].仪器仪表学报.2010
[10].闫翠苹.基于Contourlet域模糊隐马尔可夫模型的SAR图像分割[D].西安电子科技大学.2009