基于隐马尔可夫模型和高斯混合模型结合的声音转换方法

基于马尔可夫转换模型下我国国防支出研究，王海建，余东，国防支出作为社会经济中的一员，与我国经济增长、外部军事威胁等有着密切关系，一直以来是国防经济学研究的焦点。本文利用非线性

隐马尔可夫模型HMM的应用场景，关乎于序列和状态变化的都可以。

传统检测方法很难及时辨别出DDoS攻击的种类与方式,针对这一问题,基于隐马尔可夫模型研究了一种新的多级残差网络DDoS攻击检测方法。该检测方法可以在DDoS攻击多级残差网络时,应用相关公式提取DDoS

引入改进的隐马尔可夫模型算法，针对真实场景中运动目标轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型，利用训练样本训练模型得到可靠的模型参数；计算测试样本对于各个模型的最大似然概率，选取最大概率

对只能获得部分标记的训练文本,将主动学习方法应用到文本信息抽取中,提出了一种基于主动学习隐马尔可夫模型的文本信息抽取方法.在该方法中,通过主动学习,仅将对隐马尔可夫模型的训练最有价值的训练文本挑选出来

序列的多重比对是生物序列分析研究中的一个重要方法。文章首先介绍了HMM的基本结构，然后着重讨论了HMM在DNA序列之间的多重比对中的应用。

经典的隐马尔可夫模型HMM及应用（外文讲解）

隐马尔可夫模型（Hidden Markov Model, HMM）是一种在统计建模中广泛使用的概率模型，尤其在自然语言处理、语音识别、生物信息学等领域有着重要应用。HMM主要由两个关键部分组成：状态序

提出了一种基于HMM的用户行为异常检测的新方法,用shell 命令序列作为审计数据,但在数据预处理、用户行为轮廓的表示方面与现有方法不同。仿真实验结果表明,本方法的检测效率和实时性相对较高,在检测准确

介绍了基于马尔可夫模型的手势识别算法的论文