为了克服训练数据不足的问题,提出了一种新的方法——基于状态加权合成的连续高斯混合密度隐马尔可夫模型（continuous Gaussian mix......

为解决隐马尔可夫模型(HMM)中参数很多,实际当中难以提供足够多训练数据的问题,根据观察值序列的状态分布情况,描述了一种基于状态......

连续高斯混合密度隐马尔可夫模型（Continuous Gaussian Mixture Hidden Markov Model, CGHMM）在故障诊断领域得到了广泛应用,取得了......

轴承音频信号包含其运行状态的重要信息，通过分析这些信息就能对轴承故障进行有效诊断。率先引入基于连续高斯混合密度隐马尔可夫模......

根据水泵运行时振动信号的特点,用短时傅里叶变换提取状态特征信息,引入基于连续高斯混合密度隐马尔可夫模型建立在线状态监测系统......