移动核心网故障数据二重联合线性判别模型与应用

主要研究移动核心网BSC的TRAU数据分布规律及可疑故障识别方法.由于BSC的最大承载量是未知的, 因此本文定义了一类TRAU数据突增故障现象,并在此基础上定义了可疑故障点、异常点和广义异常点. 提出并建立了移动核心网故障数据二重联合线性判别模型和三类模式判别准则,用来对移动核心网TRAU数据进行三类模式("正常"、 "异常"、"可疑故障")识别.实例分析表明,本文所建立的移动核心网故障数据二重联合线性判别模型, 当用来对TRAU数据进行三类模式判别时,对原数据样本的回判和新数据样本的识别准确率都达到百分之百, 因此能有效识别TRAU数据中的可疑故障点.     

基于跳辨识-MCMC组合算法的人民币汇率跳扩散模型参数估计问题

针对人民币汇率收益率时间序列数据存在的跳变特征,采用跳扩散模型对其时间序列数据进行描述.为识别跳变规律并解决模型的参数估计问题,提出了基于跳辨识-MCMC的组合算法:即结合Lee-Mykland的跳辨识方法与MCMC(蒙特卡罗马尔可夫链)方法形成组合算法,利用仿真实验,通过误差分析得出组合算法在跳扩散模型参数估计方面效果明显优于单一MCMC方法.以人民币/美元日汇率数据为样本进行实证分析,结果表明组合算法不但能较为准确地识别出汇率收益率的跳变时刻及规律,而且其模型参数估计的有效性大大提高.     

考虑随机离职的新产品研发项目组合多技能员工调度模型

研发人员随机离职事件对新产品研发项目组合调度具有重要影响.以多技能研发人员为调度对象,采用离散马尔可夫链描述人员离职过程,考虑人才培养战略收益、研发周期以及研发成本三个目标,建立了新产品研发项目组合调度随机多目标约束优化模型.采用自适应帕累托抽样算法求解模型,算法中采用马尔可夫蒙特卡罗抽样技术进行随机离职抽样,基于启发式串行进度生成机制计算确定性情况下目标值,采用快速非支配遗传算法(NSGAII)获取多目标期望值模型的帕累托解集.将算法和模型应用到国内某公司一种新的电气节能产品研发项目组合人员调度问题中,结果显示:随机模型较确定性模型更为贴近企业实践情况;设计的算法能够有效地求出问题的帕累托解集,收敛性能较好.研究结果可为企业进行随机离职情况下新产品研发项目组合多技能员工调度方案的制定提供有效的决策支持.     

移动核心网异常数据线性判别模型与应用

针对移动核心网数据突增现象下异常数据的特性,定义了数据突增事件、最大承载量临界值、风险警界线等, 给出了 TRAU 数据两类模式(“正常”、“异常”)的划分方法.提出并建立了移动核心网数据突增现象下异常数据线性判别模型和判别准则,用来对某移动核心网 BSC 的 TRAU 数据进行判别分析. 判别结果表明,本文所建立的异常数据线性判别模型对原数据样本的回判以及对新数据样本的识别准确率都达到 100% .     

高维离群检测算法及其应用

离群检测的目的在于找出隐含在海量数据中相对稀疏而孤立的异常数据模式.由于高维数据的特殊性,传统的离群挖掘算法往往不适合发掘高维空间中的离群点.本文将蚁群算法用于改进超图模型,提出了一种新的离群检测算法--AHHDOD算法,在检测出离群数据模式的同时给出离群点的归属.经检验,该算法能有效收敛于最优解,且其时间复杂度更低.最后,将该方法应用于矿难预警检测中,能对可能出现的危机状况给出预警提示.实验证明,该方法取得的预警结果是可信的和可接受的.     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

基于MPI的主从式并行MCMC

马尔可夫链蒙特卡洛(MCMC)是贝叶斯网络(BN)的一种近似推理算法,为保证其时间性能,在生成马尔可夫链的组成序列时,通常只使用较少的样本,其推理精度较低.以Gibbs抽样为基本框架,提出一种BN的并行MCMC推理方法PMCMC,在生成马尔可夫链的组成序列时,通过增加对BN中每个节点的抽样频率来提高推理精度,并在消息传递接口MPJ的支持下,利用主从式并行机制来实现其推理过程,保证了推理的时间性能.在3个不同BN上的推理实验结果表明,PMCMC在提高推理精度的同时有效保证了推理的时间生能.     

软计算技术在环境复杂模型参数识别中的应用研究

以WASP模型在密云水库水质模拟中的应用为例,研究考察分析了软计算技术用于环境复杂模型参数识别的性能和效率.参数分析表明,WASP模型存在一些低灵敏参数且受相关参数的影响明显.为对比参数灵敏度和相关性的影响,共设计了4组数值试验.数值试验表明,全局搜索法能较好解决参数全局寻优问题,是获取参数辅助信息的重要手段.MCMC法可有效对参数后验分布进行采样,采样序列稳定收敛到参数后验分布上,同时MCMC法较好地处理了相关参数采样的问题.最后给出案例表明基于软计算技术的复杂模型参数识别技术路线是高效的、实用的.     

基于广义随机Petri 网的供应链建模与分析

考察了基于广义随机Petri网的供应链建模与分析技术,在总结Petri网建立供应链模型优势的基础上,将广义随机Petri网(GSPN)的基本理论应用于供应链系统的建模和性能分析,利用GSPN与马尔可夫链的同构关系,采用Petri网与马尔可夫链理论相结合的供应链性能分析方法,为供应链性能的有效评估提供了理论依据,并通过实例验证,该方法可用于分析供应链模型的时间性能和运作效率,为供应链决策层提供参考.     

Increased-diversity systematic resampling in particle filtering for BLAST

Two variants of systematic resampling (S-RS) are proposed to increase the diversity of particles and thereby improve the performance of particle filtering when it is utilized for detection in Bell Laboratories Layered Space-Time (BLAST) systems. In the first variant, Markov chain Monte Carlo transition is integrated in the S-RS procedure to increase the diversity of particles with large importance weights. In the second one, all particles are first partitioned into two sets according to their importance weights, and then a double S-RS is introduced to increase the diversity of particles with small importance weights. Simulation results show that both variants can improve the bit error performance efficiently compared with the standard S-RS with little increased complexity.     

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。     

基于APL的EWMA图优化设计

讨论了采用EWMA图进行工序过程监控时控制图的优化设计问题。首先提出了用马尔可夫链的方法对EWMA图的平均产品长度进行计算的方法,然后以平均产品长度作为性能度量的标准讨论在不同生产情况下如何选择EWMA图的控制参数,从而获得最佳的监控效果。通过与通用的EWMA设计方法的比较,说明了本文方法更能快速地发现过程中出现的较小波动。     

基于杂波数据Frobenius范数拟合的阵元误差估计方法

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。     

一种机载多频多通道雷达空频联合设计方法

单频多通道雷达系统难以同时兼顾更大的不模糊速度和更好的最小可检测速度,多频多通道系统是解决该问题的一种有效途径。但是,天线布阵方式和中心频率组的选择会影响动目标检测性能,需对收发天线形式和多频组合方式进行优化设计。以最小化不可测速区间为目标,提出一种空频联合优化方法。该方法通过阵列排布的归一化处理实现天线布阵方式和多频的联合优化,相较于先空后频级联优化方法,在方位孔径长度、频率带宽受限下可显著减小盲速和不可解模糊速度区间。仿真结果验证了该算法的有效性。     

Hilbert曲线扫描在JPEG隐写分析中的研究与应用

提出了一种具有较高正确检测率的JPEG 隐写通用型检测方法. 利用Hilbert曲线对JPEG 图像DCT 系数块进行扫描,使用马尔可夫模型挖掘DCT 系数的块间和块内相关性,提取转移概率矩阵作为特征. 针对nsF5 和MB （model-based） 隐写方法的实验表明：此方法能对以上两种隐写方法进行有效检测,相比同类检测方法,其检测率有一定提高.     

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.     

无向马尔科夫毯分类器与集成

无向马尔科夫毯结构是属性和类变量之间的最重要依赖结构之一,建立无向马尔科夫毯分类器的核心是无向马尔科夫毯结构学习。针对现有无向马尔科夫毯结构学习方法具有低效率和可靠性,以及不具实用性等问题,基于贝叶斯网络理论、马尔科夫网络理论和依赖分析方法进行具有多项式复杂度的无向马尔科夫毯结构和分类器学习,来避免这些问题。并建立最优性定理、可转换定理、可靠性定理和局部化定理为其提供理论依据。同时,对小例子集情况,给出了近似学习方法,并将无向马尔科夫毯分类器扩展为联合分类器,以有效地进行小例子集分类。     

火控相控阵雷达的时间资源管理算法

对于火控相控阵雷达,可以灵活地调整波束的指向方向,从而调整雷达用于跟踪的时间资源。针对这样的特性,提出了一种雷达用于跟踪的时间资源的管理算法,以提升雷达最大可跟踪目标的数量。该文以概率密度函数来描述雷达对目标的跟踪误差,综合考虑了测距与测速精度对跟踪误差产生影响。而后,采用马尔可夫决策的方法,对雷达照射目标的驻留时间与重访时间间隔进行求解。仿真结果表明,对于雷达场景中的目标数量较大情况下,相对于传统的雷达时间资源管理方法,该文提出的方法在保证跟踪精度符合要求的前提下,能够有效提高雷达最大可跟踪目标的数量。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival,DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法.首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplit...