预测控制中逆矩阵的递推求解算法

在各种自校正预测控制算法中，计算最优即时控制时均需在线进行矩阵求逆运算．作者针对各类预测控制算法中需求逆矩阵的普遍情形，采用矩阵分解方法，推导出一种可适用于各类预测控制算法的逆矩阵在线递推求解算法．本算法比传统增广矩阵求逆算法的计算量小，且适用性广，因而采用该算法可显著提高各种自校正预测控制算法的实时性．     

基于隐马尔可夫模型的流数据分类算法

为优化周期性概念漂移分类精度,提出了一种基于隐马尔可夫模型的周期性流式数据分类(HMMSDC)算法,算法结合实际可观测序列的输出建立漂移概念状态序列的转移矩阵概率模型,由观测值概率分布密度来预测状态的转移序列.当预测误差超过用户定义阈值时,算法能够更新优化转移矩阵参数,无须重复学习历史概念即可实现对数据概念漂移的有效预测.此外,算法采用半监督K-Mean学习方法训练样本集,降低了人工标记样例的代价,能够避免隐形马尔可夫模型因标记样例不足而产生的欠学习问题.实验结果表明:相对传统集成分类算法,新算法对周期性数据漂移具有更好的分类精确度及分类时效性.     

应用差分进化–神经网络模型的杀爆弹瞄准点分配方法

为在不增加计算时耗的前提下提升多枚杀爆弹对面目标打击毁伤效能,建立融入动爆威力计算的多瞄准点规划方法.对面目标采用结构化网格划分方法实现多枚杀爆弹对目标毁伤区域的精确计算,并进行计算结果验证,基于多次计算结果采用神经网络方法建立单枚弹药对面目标毁伤区域的计算代理模型,在同样计算条件下,比非代理模型计算时间缩短1 000倍;据此,通过差分进化算法实现多枚杀爆弹对面目标打击瞄准点及末端弹道参数的规划.通过实例对比分析表明：该瞄准点规划方法形成的打击方案比传统以毁伤半径为输入的方法毁伤效果大幅提升,最低提升25.5%,且单次规划时间不超过3 s,解决了瞄准点规划中毁伤效能模型复杂度与计算耗时之间的矛盾.     

基于科学知识图谱的弹药毁伤评估技术发展现状与趋势研究

为厘清弹药毁伤评估技术演进规律,展望未来发展趋势,基于中国知网（CNKI）数据库,以1993-2022年收录的911篇毁伤评估技术文献为研究样本,运用CiteSpace软件绘制弹药毁伤评估技术研究发文机构、发文作者、研究现状以及研究热点知识图谱并进行可视化计量分析.研究发现,毁伤评估技术对充分发挥武器装备的战斗性能、作战水平、火力打击方案、合理配置作战资源有着重要的支撑保障作用,通过关键词词频、聚类、时间线以及突现分析,提出弹药毁伤评估技术应在协同毁伤、毁伤评估实时性、计算机技术与毁伤评估技术融合等方面进一步研究,将更好地完善弹药毁伤评估技术的理论与实践发展体系.     

结合Dempster-Shafer证据理论与循环神经网络的网络安全态势预测

针对传统的模糊评价系统存在评价冲突和主观偏差,造成网络安全态势预测出现精度和鲁棒性较低等问题,提出一种结合Dempster-Shafer(D-S)证据理论与循环神经网络的网络安全态势预测算法;首先以专家评价为基础构建网络安全的系统角色,由三角模糊函数获取专家评估指标;然后引入D-S证据理论进行评估指标的筛选、推理和校正,构建网络安全态势损失矩阵和可能性矩阵;最后,以损失矩阵和可能性矩阵为特征输入至循环神经网络中,获取网络安全态势预测结果。仿真实验结果表明,D-S证据理论有效地解决了评价冲突和主观偏差问题,循环神经网络使得网络安全态势预测结果的精度和鲁棒性都得到了提升。     

利用马尔科夫和灰色模型预测高校师资队伍

状态转移矩阵是马尔科夫预测的关键。本文通过多元回归理论,建立多目标规划模型求解马尔科夫状态转移矩阵;借助灰色预测GM(1,1)模型来改进马尔科夫模型状态转移容易局限于内部等缺陷;将该模型运用于某高校师资队伍预测,为优化高校师资队伍结构提供一种有效的方法。     

基于矢量斜分解系数的近似状态转移矩阵及在轨道确定中的应用

单位矢量法是由中国科学院紫金山天文台提出并得到了广泛应用的一种轨道确定算法。在将单位矢量法与微分轨道改进这两种算法分析比对的基础上,我们提出了适用于短弧段不同类型观测数据进行融合轨道确定的计算方案。该方案基于位置和速度矢量的斜分解公式,构造了轨道计算算法中的状态转移矩阵的近似计算方案。与经典的微分轨道改进算法相比,新算法在计算近似状态转移矩阵的过程中,不涉及状态转移矩阵的复杂计算,简化了算法;与单位矢量法相比,从理论上分析清楚了该方法的收敛机制,以及单位矢量法在加权处理上所存在的缺陷,较好地解决了加权问题,使得新方法比原单位矢量法具有更好的通用性。仿真数据和实测数据的数值结果表明,该方法具有较好的数值稳定性和合理的权重分配。     

基于时变状态转移隐半马尔科夫模型的寿命预测

隐半马尔科夫模型在进行系统状态估计及寿命预测时,其状态转移概率矩阵是固定值,得到的剩余寿命预测值呈阶梯状变化,与系统的实际剩余寿命值之间存在着较大的误差.针对上述问题,提出了具有时变状态转移概率矩阵的隐半马尔科夫模型,根据系统的3种典型退化状态分析,给出3种不同的状态转移系数.与初始状态转移矩阵相结合,得到随时间变化的状态转移矩阵.提高系统在当前健康状态下的剩余持续时间估计精度,最终得到更为准确的总体剩余寿命预测值.结果表明,基于时变状态转移概率矩阵的隐半马尔科夫模型相比传统的隐半马尔科夫模型,可显著提高剩余寿命预测的准确性.     

步兵作战仿真中的榴弹毁伤模型研究

榴弹是步兵作战中造成目标毁伤的主要弹药，步兵作战仿真系统中榴弹毁伤模型的准确性将直接影响到仿真结果的准确性和可信性。本文根据榴弹引信的差别，分别建立了碰爆榴弹和空爆榴弹对人员目标的毁伤概率模型，并给出了基于随机数抽取的毁伤仿真方法，并通过仿真实例证明了这两种模型的可行性。     

无人作战飞机数据链延时对攻击决策的影响及其补偿

数据链是无人作战飞机与地面控制系统之间的纽带,但是数据链延时会使地面操作员对战场态势的判断存在滞后和误差,从而易引起决策不当。在分析了无人作战飞机对地攻击过程中数据链延时对攻击决策影响的基础上,采用Unscented卡尔曼滤波器估计了无人机和机动目标状态,然后采用一种状态外推算法和马尔科夫加速度模型分别对二者的状态进行了预测。仿真结果表明,该方法对数据链延时具有较好的补偿作用,可以减少因数据链延时造成的不良影响。     

基于情感状态转移模型的外界刺激影响分析

为了研究外界刺激时间对人情感状态转移的影响,首先采用Gross情感调节过程和有限状态机描述情感状态转移过程. 然后根据外界刺激持续时间的不同,引入了情感增强因子. 本文将外界刺激时间与状态转移矩阵进行关联,从而确定不同的刺激时间对情感状态转移的影响. 最后对提出的算法进行仿真分析. 结果表明,随着外界刺激时间的增加,外界刺激对情感状态转移的影响会越来越大,但是增大的速率会逐渐减慢. 该算法可以有效描述外界刺激持续时间与状态转移矩阵的关系.     

基于状态转移算法的极限学习机

目前极限学习机在训练模型时存在占用计算资源多和模型精度低等问题. 为了解决上述问题,提出了一种基于状态转移算法的极限学习机,可提升算法计算效率和模型精度. 利用状态转移算法的全局搜索特性求解线性方程组,得到极限学习机的输出权重矩阵,进而完成建模. 在分类和回归数据集上与极限学习机和其他主流算法进行对比,所提方法可以利用较少的隐藏层节点得到高精度的模型,同时具有更好的学习准确率. 这种高性能的建模方式弥补了极限学习机的不足.      

基于转移概率矩阵自学习的犯罪分布预测

针对犯罪分布预测准确率低,历史犯罪数据缺失严重的问题,提出了基于历史犯罪数据,融合所研究地区的社会环境因素的转移概率矩阵自学习的犯罪分布预测算法——TWcS.将包括距离信息、面积信息、人口信息在内的社会环境因素作为权重值引入到梯度下降策略中,利用梯度下降实现TWcS算法的转移概率矩阵自学习.实验结果证明,TWcS算法的性能明显优于包括当前最优基线算法（TPML-WMA）在内的其他预测算法（如LR、AR、Lasso回归算法、贝叶斯算法、决策树算法等）,TWcS算法的MAE值是其他算法MAE平均值的33%.      

A Novel Quantitative Analysis Model for Information System Survivability Based on Conflict Analysis

This paper describes a novel quantitative analysis model for system survivability based on conflict analysis, which provides a direct-viewing survivable situation. Based on the three-dimensional state space of conflict, each player's efficiency matrix on its credible motion set can be obtained. The player whose desire is the strongest in all initiates the moving and the overall state transition matrix of information system may be achieved. In addition, the process of modeling and stability analysis of conflict can be converted into a Markov analysis process, thus the obtained results with occurring probability of each feasible situation will help the players to quantitatively judge the probability of their pursuing situations in conflict. Compared with the existing methods which are limited to post-explanation of system's survivable situation, the proposed model is relatively suitable for quantitatively analyzing and forecasting the future development situation of system survivability. The experimental results show that the model may be effectively applied to quantitative analysis for survivability. Moreover, there will be a good application prospect in practice.     

一种考虑二级连锁过载的电网故障关联区域划分方法

针对电网的连锁过载,提出了一种基于聚类算法的故障关联区域划分方法。利用直流潮流法对初始故障支路和其余支路之间的内在关联因素进行了分析,给出了支路之间的关联作用矩阵;给出了一种评价支路连锁过载严重度的表达参量,并给出了反映任一初始故障支路造成其余支路功率越限的严重度矩阵以及连锁过载标识矩阵;利用该3种矩阵从初始故障对其余支路施加影响的角度以及其余支路遭受初始故障攻击的角度,给出了以聚类算法为核心的关联作用区域划分方法,该方法既考虑了支路之间的内在关联作用,也考虑了实际运行状态的影响,最后通过算例分析验证了该算法的合理性。     

基于广义隐马尔可夫模型的网页信息抽取方法

针对网页所特有的基于版面结构的特点，利用基于视觉的网页分割算法VIPS对网页分块，得到一种新的状态转移序列，取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型（GHMM）的状态转移和输出观测值假设条件，提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。     

基于最小二乘孪生支持向量机的图像拼接检测

图像篡改最基础的手段便是拼接,为了恢复人们对数字图像的信任,图像拼接检测变得非常重要.论文提出一种基于最小二乘孪生支持向量机的图像拼接检测算法,算法对待测图像进行对偶数复小波变换以获取不同的子带图像,对子带图像提取其马尔科夫状态转移概率矩阵,将该概率矩阵作为拼接特征向量送入最小二乘孪生支持向量机训练以获取预测模型,最后根据该模型来判断待测图像是否经过拼接.在哥伦比亚大学无压缩图像拼接检测评估库和哥伦比亚大学图像拼接检测评估库上分别进行实验,与传统算法做对比,实验结果充分证明论文所提算法具有更高的拼接检测准确率.     

一种基于系统行为序列特征的Android恶意代码检测方法

基于行为特征建立机器学习模型是目前Android恶意代码检测的主要方法,但这类方法的特征集中各行为特征相互独立,而行为特征间的顺序关系是反映恶意行为的重要因素。为了进一步提高检测准确率,提出了一种基于系统行为序列特征的Android恶意代码检测方法。该方法提取了程序运行发生的敏感API调用、文件访问、数据传输等系统活动的行为序列,基于马尔科夫链模型将系统行为序列转换为状态转移序列并生成了状态转移概率矩阵,将状态转移概率矩阵和状态发生频率作为特征集对SAEs模型进行了学习和训练,最后利用训练后的SAEs实现了对Android恶意代码的检测。实验结果证明,提出的方法在准确率、精度、召回率等指标上优于典型的恶意代码检测方法。     

基于改进DAEKF的锂电池SOC和SOH联合估计

为提高锂离子荷电状态（state of charge,SOC）及健康状态（state of health,SOH）的精度,提出改进双自适应扩展卡尔曼滤波（dual adaptive extended Kalman filter,DAEKF）算法。基于二阶RC模型,建立空间状态方程;选取电池容量作为SOH的表征量,在双扩展卡尔曼滤波算法基础上引入改进的Sage-Husa自适应算法,实现系统协方差矩阵的实时更新;为降低系统计算量,进一步加入多时间尺度理论进行优化。实验结果表明,提出的算法能较准确地估计锂电池的SOC与SOH,SOC的平均误差为0.58%,SOH最大估计误差为0.8%,该算法正确有效。