检索结果-维普期刊中文期刊服务平台

基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法被引量：4: 1; 作者张泽星宗长富 +1 位作者马福良王畅《汽车技术》北大核心 2011年第7期1-3,共3页; 在线控转向系统中,采用一种基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法,可达到辅助驾驶员驾驶、屏蔽驾驶员错误操作和提高汽车主动安全性的目的。通过驾驶模拟器采集相应工况数据,经数据预处理后,应用Baum-Welch算法对多维高... 展开更多; 关键词线控转向系统驾驶员行为辨识多维高斯隐马尔科夫模型 LABVIEW; 在线阅读下载PDF 职称材料

基于混合高斯隐马尔科夫模型的滑坡发生时间预报: 2; 作者李丽敏夏梦凡魏雄伟《防灾减灾工程学报》 CSCD 北大核心 2023年第2期301-307,333,共8页; 滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型... 展开更多; 关键词滑坡灾害时间预报全周期数据状态匹配混合高斯隐马尔科夫模型; 在线阅读下载PDF 职称材料

基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法被引量：1: 3; 作者钱建生李小斌 +1 位作者秦文光秦海初《工矿自动化》北大核心 2014年第11期26-30,共5页; 提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥... 展开更多; 关键词带式输送机堆煤时刻堆煤预测剩余寿命隐马尔可夫模型混合高斯隐马尔科夫模型切普曼-柯尔莫哥罗夫方程; 在线阅读下载PDF 职称材料

改进的毫米波雷达静态目标识别与跟踪方法被引量：12: 4; 作者林雨田张钰 +1 位作者高利赵亚男《激光杂志》 CAS 北大核心 2022年第6期46-52,共7页; 毫米波雷达在进行静态目标识别时存在目标丢失和信息缺失、识别效果较差的问题。采用一种基于机器学习算法的方法来实现静态物体识别与跟踪。选取雷达检测目标的相对速度和相对距离作为观测量,使用高斯隐马尔科夫模型学习毫米波雷达检... 展开更多; 关键词毫米波雷达静态物体检测高斯隐马尔科夫模型机器学习; 在线阅读下载PDF 职称材料

城市道路车辆行为识别方法研究被引量：2: 5; 作者陆金辉鲍楠 +3 位作者胡晗左加阔师晓晔潘甦《移动通信》 2023年第10期38-43,共6页; 为了提高城市道路驾驶的安全性,提出一种基于混合高斯隐马尔科夫模型的城市道路车辆行为识别方法。首先通过仿真平台获取城市三车道道路场景的车辆运动轨迹信息和车辆信息并对其进行数据处理和特征提取,选取目标车辆车头中心与初始所在... 展开更多; 关键词混合高斯隐马尔科夫模型车辆行为识别鲍姆-韦尔奇算法前后向算法; 在线阅读下载PDF 职称材料

基于GM-HMM的DCT车辆驾驶员起步意图辨识研究被引量：1: 6; 作者刘海江苏博炜《汽车技术》 CSCD 北大核心 2020年第1期19-24,共6页; 针对当前DCT控制系统对起步意图辨识准确度不高的问题,提出了一种基于高斯混合隐马尔科夫模型(GMHMM)的起步意图辨识方法:根据DCT车辆实车起步纵向加速度分布特性,将起步过程分为8个时段,基于K均值聚类算法对各时段内平缓起步、一般起... 展开更多; 关键词 DCT起步过程起步意图高斯混合隐马尔科夫模型; 在线阅读下载PDF 职称材料

题名基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法被引量：4: 1; 作者张泽星宗长富马福良王畅; 机构吉林大学汽车动态模拟国家重点实验室; 出处《汽车技术》北大核心 2011年第7期1-3,共3页; 基金国家自然科学基金项目(50775096 51075176); 文摘在线控转向系统中,采用一种基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法,可达到辅助驾驶员驾驶、屏蔽驾驶员错误操作和提高汽车主动安全性的目的。通过驾驶模拟器采集相应工况数据,经数据预处理后,应用Baum-Welch算法对多维高斯隐马尔科夫模型进行优化,且应用Labview进行在线辨识,准确率达到99.8%。; 关键词线控转向系统驾驶员行为辨识多维高斯隐马尔科夫模型 LABVIEW; Keywords Steer-by-wire system Driving intention recognition Multi-dimensional Gaussian HMM LabVIEW; 分类号 U463.4 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于混合高斯隐马尔科夫模型的滑坡发生时间预报: 2; 作者李丽敏夏梦凡魏雄伟; 机构西安理工大学自动化与信息工程学院西安工程大学电子信息学院; 出处《防灾减灾工程学报》 CSCD 北大核心 2023年第2期301-307,333,共8页; 基金国家自然科学基金面上项目(61773016) 国家自然科学基金青年项目(62203344) +2 种基金陕西省教育厅服务地方专项(22JC036)资助。; 文摘滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。; 关键词滑坡灾害时间预报全周期数据状态匹配混合高斯隐马尔科夫模型; Keywords landslide disaster time prediction full-cycle data state marching MOG‐HMM; 分类号 X43 [环境科学与工程—灾害防治]; 在线阅读下载PDF 职称材料

题名基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法被引量：1: 3; 作者钱建生李小斌秦文光秦海初; 机构中国矿业大学计算机科学与技术学院江苏师范大学计算机科学与技术学院山西中煤华晋能源有限责任公司; 出处《工矿自动化》北大核心 2014年第11期26-30,共5页; 基金国家高技术研究发展计划(863计划)资助项目(2012AA062103) 江苏省产学研联合创新基金前瞻性联合研究项目(BY2012081) +1 种基金江苏师范大学重点基金项目(10XLA13); 文摘提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。; 关键词带式输送机堆煤时刻堆煤预测剩余寿命隐马尔可夫模型混合高斯隐马尔科夫模型切普曼-柯尔莫哥罗夫方程; Keywords belt conveyor coal piling time coal piling prediction remaining useful life hidden Markov model mixtrue of Gaussian and hidden Markov model Chapman-Kolmogrov equation; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名改进的毫米波雷达静态目标识别与跟踪方法被引量：12: 4; 作者林雨田张钰高利赵亚男; 机构北京理工大学机械与车辆学院; 出处《激光杂志》 CAS 北大核心 2022年第6期46-52,共7页; 基金国家重点研发计划(No.2018YFB0105205-02) 国家重点研发计划(No.2017YFC0804808) 国家重点研发计划(No.2017YFC0804803)。; 文摘毫米波雷达在进行静态目标识别时存在目标丢失和信息缺失、识别效果较差的问题。采用一种基于机器学习算法的方法来实现静态物体识别与跟踪。选取雷达检测目标的相对速度和相对距离作为观测量,使用高斯隐马尔科夫模型学习毫米波雷达检测结果的标签数据,获取目标相对距离、相对速度和目标状态之间的非线性关系。结合高斯聚类方法与毫米波雷达数据实现对目标标签结果的预测,通过前向后向算法实现目标跟踪。结果表明,使用的模型能够在受试车车速达到30 m/s时,对140 m远处的静态目标实现良好的识别、预测和跟踪效果。; 关键词毫米波雷达静态物体检测高斯隐马尔科夫模型机器学习; Keywords millimeter wave radar static object detection gaussian hidden markov model machine learning; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名城市道路车辆行为识别方法研究被引量：2: 5; 作者陆金辉鲍楠胡晗左加阔师晓晔潘甦; 机构南京邮电大学; 出处《移动通信》 2023年第10期38-43,共6页; 基金国家自然科学基金委员会面上项目“基于空间资源压缩概念和方法的物联网资源优化分配”(62071244)、“基于多域信息联合利用的空地融合频谱共享研究”(62071250) 中国博士后科学基金会纵向项目“面向6G的高能效RIS-NOMA技术研究”(2021M693699)。; 文摘为了提高城市道路驾驶的安全性,提出一种基于混合高斯隐马尔科夫模型的城市道路车辆行为识别方法。首先通过仿真平台获取城市三车道道路场景的车辆运动轨迹信息和车辆信息并对其进行数据处理和特征提取,选取目标车辆车头中心与初始所在车道右侧车道线的距离,以及目标车辆纵向和横向速度作为特征参数,再通过鲍姆-韦尔奇算法对模型参数进行训练迭代更新,最后结合前后向算法实现城市道路车辆行为的识别。仿真结果表明,采用混合高斯隐马尔科夫模型对城市道路车辆行为进行识别具有较高的精度。; 关键词混合高斯隐马尔科夫模型车辆行为识别鲍姆-韦尔奇算法前后向算法; Keywords Mixed Gaussian Hidden Markov Model vehicle behavior recognition Baum-Welch algorithm forward-backward algorithm; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于GM-HMM的DCT车辆驾驶员起步意图辨识研究被引量：1: 6; 作者刘海江苏博炜; 机构同济大学; 出处《汽车技术》 CSCD 北大核心 2020年第1期19-24,共6页; 基金中国汽车产业创新发展联合基金项目（U1764259）上海汽车工业科技发展基金项目（1517）; 文摘针对当前DCT控制系统对起步意图辨识准确度不高的问题,提出了一种基于高斯混合隐马尔科夫模型(GMHMM)的起步意图辨识方法:根据DCT车辆实车起步纵向加速度分布特性,将起步过程分为8个时段,基于K均值聚类算法对各时段内平缓起步、一般起步以及紧急起步进行定义,在此基础上对各时段3类GM-HMM进行训练,通过对比0.3 s内油门踏板开度时间序列在不同模型中的对数似然概率确定当前驾驶员的起步意图。经过验证,模型的平均查全率达88.7%,耗时7 ms,具有较高的辨识准确率和较好的实时性。; 关键词 DCT起步过程起步意图高斯混合隐马尔科夫模型; Keywords DCT starting process Starting intention GM-HMM; 分类号 U467.1 [机械工程—车辆工程] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法	张泽星宗长富马福良王畅	《汽车技术》北大核心	2011	4	在线阅读下载PDF 职称材料
2	基于混合高斯隐马尔科夫模型的滑坡发生时间预报	李丽敏夏梦凡魏雄伟	《防灾减灾工程学报》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
3	基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法	钱建生李小斌秦文光秦海初	《工矿自动化》北大核心	2014	1	在线阅读下载PDF 职称材料
4	改进的毫米波雷达静态目标识别与跟踪方法	林雨田张钰高利赵亚男	《激光杂志》 CAS 北大核心	2022	12	在线阅读下载PDF 职称材料
5	城市道路车辆行为识别方法研究	陆金辉鲍楠胡晗左加阔师晓晔潘甦	《移动通信》	2023	2	在线阅读下载PDF 职称材料
6	基于GM-HMM的DCT车辆驾驶员起步意图辨识研究	刘海江苏博炜	《汽车技术》 CSCD 北大核心	2020	1	在线阅读下载PDF 职称材料