加权马尔可夫模型在降水丰枯状况预测中的应用

首先基于降水过程存在大量不确定性、不精确性的特点 ,应用有序聚类的方法建立降水丰枯状况的分级标准 ;然后针对降水量为相依随机变量的特点 ,采取以规范化的各阶自相关系数为权重 ,用加权的马尔可夫链模型来预测未来降水的丰枯变化状况 ;最后以山西省某水文站近 5 0年的降水资料为实例对该方法进行了具体的应用 ,获得了较为满意的结果.     

基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。     

低消耗器材的马尔可夫预测模型

应用马尔可夫链预测方法,并与蒙特卡罗仿真相结合,建立了一个低消耗器材的预测模型,它可以为年度订货提供依据.     

降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

基于改进PSO-BP算法的冷负荷预测模型

针对PSO-BP(Particle Swarm Optimization-Back Propagation)神经网络预测模型在冰蓄冷空调冷负荷预测中存在输入输出数据关联度低和预测模型存在误差的情况,提出了一种基于JMP数据处理软件、PSO-BP神经网络和马尔可夫链的组合预测方法。利用JMP处理输入数据,剔除耦合度低的样本,进行PSO-BP神经网络训练,得到冷负荷预测结果,利用马尔可夫链消除系统产生的随机误差得到最终预测结果。结果表明:该组合预测方法对比传统PSO-BP算法其预测精度更高,预测结果符合商场冷负荷的变化规律,满足实际的应用需求。     

改进的基于二次型距离模糊可能性C均值聚类模型

针对模糊聚类算法对点数据集聚类敏感性,以及区间类型数据聚类效果不明显等问题,提出了基于二次型距离改进的模糊可能性c 均值(fuzzy-possibilistic c-means,FPCM)聚类算法.首先分析了区间数据的特征,引入了区间值的数学表示方法,在此基础上提出了三种不同的基于区间数据距离度量方法以及相应权重矩阵计算方法,通过建立拉格朗日方程对目标方程优化,求得聚类中心、隶属度以及可能性迭代方程,并证明目标方程的收敛性,最后给出了算法执行步骤。在不同类型的数据集上实验,证明算法在点数据集和区间数据集上都具有较好聚类性能.     

一种集对分析的动态模型及其应用

在传统集对分析的基础上，分析具有元素权重的集对的同异反特性变化规律，建立基于马尔可夫链的集对分析的动态模型，并将其应用于人力资源动态绩效的评价与预测．取得很好的效果。     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

高阶马尔可夫链平稳分布的存在唯一性

探讨了高阶马尔可夫链模型中周期对极限分布的影响, 分析了高阶模型中多步转移概率矩阵的连通性与链的平稳分布的关系, 证明了高阶马尔可夫链平稳分布的存在性与唯一性条件, 完善了高阶马尔可夫链的参数估计理论. 然后应用高阶马尔可夫链模型对我国股票指数进行建模分析, 参数估计表明我国股价存在相邻相依度, 并对预测结果与传统模型进行了比较.     

基于区间二型模糊集的模糊等价关系聚类分析

传统聚类算法在解决含有不确定性的聚类问题时具有很大的局限性,为了更好地解决聚类问题中的不确定性,论文基于区间二型模糊集理论,提出了基于二型模糊等价关系的聚类分析算法.论文首先将语言变量信息完整地转化为区间二型模糊集,接着把语言变量和区间二型模糊集的优势相结合,通过区间二型模糊集的Jaccard相似度,提出了基于区间二型模糊语言变量的模糊等价关系聚类分析新方法,并设计了具体的算法流程.新聚类算法相对于传统的模糊等价关系的聚类算法,具有更好地处理不确定性问题的能力,避免了聚类计算过程中的信息丢失.同时新聚类算法可以灵活给出随聚类相似性参数变化的动态聚类结果.论文最后以电商平台的手机品牌聚类为例,验证了新算法的可行性和合理性.     

Grey Markov chain and its application in drift prediction model of FOGs

1.INTRODUCTION Sincetheinterferometricfiberopticalgyroscope(FOG)wasfirstproposedbyAmericanUtahUniver sityin1976,ithasbeenattractingalotofscientific andtechnicalinterestsinsteadofthespinningwheel mechanicalgyroforitcanprovideuniqueadvantages.Withtheextensionofresearch,peoplehavebecome acquaintedwithnoisesandbiasdrifts,whichinduce non negligibleerrorsintheoutputofFOGs.The hugeeffortsontechnique,whichweredevotedtothe developmentoflow noiseandlow driftFOGsmainly basedonmaterials,machining…     

福建省粮食单产的灰色-Markov动态模拟研究

灰色预测与Markov预测这两种方法在时间序列预测方面各具其优点及局限性。为探索提高时间序列预测精度的合理途径及客观地模拟区域粮食单产波动,以福建省为例构建了灰色-Markov预测模型,并在技术上进行了一定的改进。理论与实证表明,灰色-Markov模型预测粮食单产的精度较高,所采取的技术改进措施效果颇佳。模型对福建省未来10a粮食单产的预测可为该省今后的粮食生产规划乃至农业规划和决策提供有益的参考。图1,表3,参9。     

灰色正交化方法在用电量预测中的仿真研究

根据灰色正交化方法和马尔可夫链原理,应用Gauss-Chebyshev正交化思想预测时序数据的总体趋势。预测的精度是时变的,而马尔可夫链原理在处理时变的系统过程时具有较好的优势,选用该方法能更好的解决预测结果的不稳定性。基于此,提出一种用于用电量数据预测的灰色马尔可夫正交化模型,适用于中短期、数据需求量少且数据振幅较大的动态过程预测。最后用提出的方法对江苏省2007年工业用电量进行预测,其结果表明了所提方法的有效性。

Abstract：

The general trend of time series data was predicted with Gauss-Chebyshev orthogonalization theory according to the grey orthogonalization method and the Markov Chain theory.The prediction accuracy is time-varying.However,this approach will better solve the problem of unstable prediction result since Markov chain theory has greater advantages in handling time-varying system process.Based on this,the Markov grey orthogonalization model prediction was proposed for electricity consumption.It is suitable for dynamic process prediction in medium and short term with less data demand and large data fluctuations.Finally,the proposed approach was used to forecast the industrial electricity consumption of Jiangsu Province in 2007,and the results show the effectiveness of this approach.     

基于不确定性描述的云化Markov链状态预测方法

针对Markov链在预测概率发生跳变时无法有效地衡量样本归属程度的问题,提出一种云化Markov链的状态预测方法,通过云模型描述和处理样本的不确定性。该方法将划分的状态区间视作一种概念,利用云模型对其进行云化表示,据此计算样本对各概念的确定度,得到概念之间的概率转移矩阵,从而实现带有随机特性的状态预测。概念转移概率作为关键随机变量,对其进行了核密度估计。最后以多次随机实验的概率和提取代表性转移概率分别给出了仿真实验结果,表明该不确定性描述的预测方法在解决Markov链预测概率跳变现象的同时,可通过确定度的分配有效地表述样本的归属程度,具有较好的实用性。     

基于小波分析的随机交通流组合预测方法研究

针对单一交通流预测方法对短时随机交通流预测适用性不强的问题,为适应交通诱导和信号控制的需要,提出了基于小波分析的短时交通流RBF神经网络及Markov链组合预测方法。在充分分析短时交通流随机特性的基础上,建立了短时交通流组合预测模型,并进行了实例仿真分析,结果表明组合预测较单纯神经网络预测方法预测精度显著提高,在交叉口实时交通控制中具有较好的适应性。     

Intrusion detection based on system calls and homogeneous Markov chains

A novel method for detecting anomalous program behavior is presented, which is applicable to hostbased intrusion detection systems that monitor system call activities. The method constructs a homogeneous Markov chain model to characterize the normal behavior of a privileged program, and associates the states of the Markov chain with the unique system calls in the training data. At the detection stage, the probabilities that the Markov chain model supports the system call sequences generated by the program are computed. A low probability indicates an anomalous sequence that may result from intrusive activities. Then a decision rule based on the number of anomalous sequences in a locality frame is adopted to classify the program＇s behavior. The method gives attention to both computational efficiency and detection accuracy, and is especially suitable for on-line detection. It has been applied to practical host-based intrusion detection systems.     

区间灰数的灰色变权与定权聚类模型

针对观测值为区间灰数的灰色聚类问题, 通过构建区间灰数集上的积分均值函数, 将实数域上单一观测值的白化权函数推广到观测值为区间灰数的情形, 并给出了上限、适中、下限测度白化权函数的区间灰数形式, 进而建立了区间灰数的灰色变权、定权聚类模型, 并开发了该模型的人机交互式界面软件. 最后将该模型应用于高校教师工作绩效评估, 说明了该方法的有效性和实用性.