基于马尔科夫模型的关联多工序系统加工质量分析

综合考虑当前工序机器状态和上游工序来料质量,利用马尔科夫模型,根据合并迭代的思想建立了关联多工序制造系统的加工质量分析模型,提出了系统质量瓶颈加工工序的判定方法,从系统参数的角度提出了改进加工质量的建议;同时,通过对国内某型号火箭F系列阀门壳体加工系统的案例分析,验证了所提出模型的实用性和有效性.     

多工序制造系统暂态阶段产品质量马尔科夫建模与瓶颈分析

以关联多工序制造系统为对象,综合考虑机器的暂态过程以及加工工序的关联性,构建了关联多工序制造系统暂态过程的马尔科夫质量分析模型,并对相关质量特性瓶颈参数进行了研究分析.通过F系列航天阀门多工序制造系统案例验证了提出的模型和分析方法的有效性.     

基于测量系统能力的多变量工序能力指数模型

综合了以往多变量工序能力计算模型的基础上,提出了一种基于测量系统能力的指数计算模型.该模型加入了新的影响因子--测量系统能力,并将测量系统的误差反映到计算模型中,实例分析表明,忽略测量系统能力的指数模型低估了工序能力,提出的新算法纠正了这一偏差,更能反映生产工艺的实际情况.     

基于偏差传递的多工位装配过程质量评估模型

针对多工位装配系统中尺寸偏差传递的特点,建立了一种新的装配过程质量评估模型.首先分析了多工位装配系统的偏差源,研究了多工位装配尺寸偏差传递关系,构建了偏差流传递的状态方程.然后从过程系统本身寻找影响偏差传递和累积的特征参数来评价系统的装配质量特性,通过对尺寸偏差传递模型推导引出工位系数矩阵,经过合并变换求出各工位的系数矩阵的最大特征值,再乘以偏差精度权因子来建立装配质量评估模型,进而提出用装配偏差指数来衡量装配工艺过程的优劣.最后通过实际零件的装配过程说明该模型和装配偏差指数的应用方法.     

基于马尔科夫链模型的论文格式审查系统

提出一种基于图像处理审查论文格式的方法,该方法依据论文电子版文档图像像素点间的相关性,应用马尔科夫链模型分割文档图像为正文、标题和图片部分,在人工设定的论文格式规则基础上,对论文的每页图像进行分类审查,可有效提高论文格式审查效率。     

基于隐主题马尔科夫模型的多特征自动文摘

基于隐主题马尔科夫模型, 消除LDA主题模型的主题独立假设, 使得文摘生成过程中充分利用文章的结构信息, 并结合基于内容的多特征方法提高文摘质量。提出在不破坏文章结构的前提下, 从单文档扩展到多文档的自动文摘策略, 最终搭建完善的自动文摘系统。在DUC2007标准数据集上的实验证明了隐主题马尔科夫模型和文档特征的优越性, 所实现的自动文摘系统ROUGE值有明显提高。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

基于马尔科夫模型的聋生阅读输入分析

以不同类型文本阅读输入角度出发,分析聋生的阅读输入规律,以反映聋生阅读时的表现。通过聋生阅读输入的文本与中文分词标准匹配率在不同等级的转移情况建立马尔科夫过程,预测聋生的阅读输入结果。通过阅读实验以验证马尔科夫模型预测的结果,实验结果显示,聋生更习惯于阅读较小的组合词块,单音节词、双音节词、三字及四字多音节词对聋生阅读有较大影响,这与马尔科夫模型预测结果比较符合。     

基于三维模型的装配关键技术分析

本文主要介绍面向三维模型的装配过程为分析基础,重点对于装配关键技术进行分析,对装配精度分配、装配序列规划的有关内容和研究意义作以阐述,并提出影响装配序列规划和评价的六个重要因素,充分考虑它们对装配序列规划和装配序列评价的影响作用,在此基础上提出总体设计思路。     

机器人装配系统装配质量评价方法

机器人装配系统可以有效提高装配过程的效率,适应产品快速更新发展的需要,装配质量的研究对于机器人装配系统的设计和应用有着重要的意义。基于质量经济分析原理,建立了机器人装配系统装配质量的评价指标与评价方法,为机器人装配系统装配质量控制方法的研究奠定了基础。     

基于多尺度模型的装配整体式混凝土框架结构抗震性能分析

装配工艺的要求和连接接缝的引用使装配式混凝土结构的数值模拟分析面临新的挑战,计算效率与模拟精度之间的矛盾变得更加突出。基于通用有限元软件ABAQUS,采用多尺度建模,模拟分析了装配整体式混凝土框架结构的抗震性能。首先,基于装配整体式混凝土梁柱子结构的试验数据,验证了多尺度单元界面连接方法的正确性。然后,对装配整体式混凝土框架结构的多尺度模型进行了静力推覆分析和动力弹塑性时程分析,并与现浇混凝土框架结构的地震响应和损伤情况进行比较。结果表明,多尺度建模能有效提高计算精度并降低计算成本,很好地模拟装配整体式混凝土框架结构的破坏特征和整体结构的抗震性能;与现浇结构相比,装配整体式框架结构在单向静力推覆作用下抗侧刚度更小、延性更好,在7度罕遇地震作用下抗震性能相近,顶层最大位移增大了3.8%;多尺度建模方法可用于装配式混凝土结构分析。     

多质量特性要求的工序能力分析方法

本文运用数理统计原理和多指标分析方法，提出一种工序能力分析的新方法，以便全面衡量工序所达到的质量水平，准确评估工序能力状况。具有一定的理论意义和实践价值。     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于灰色关联分析的多级别聚类评价模型的研究

根据灰色关联分析的性质 ,通过构造灰色系统的目标函数 ,运用 Lagrange乘数法建立了一种新的灰色聚类评价模型 ;还给出了时间序列的灰色绝对关联度系统评价算法 ,较好地解决了多因素、多指标、多级别的系统综合评价问题 .     

基于连续隐马尔科夫模型的步态识别

步态识别主要是通过人体走路的姿势来识别人的身份，近来年，步态作为一种生物特征识别技术备受计算机视觉研究者的关注．给出了基于连续隐马尔科夫的步态识别方法：研究了静止背景下人体步态的检测以及基于步态的人体身份识别技术，主要包括背景建模、人体检测、轮廓特征提取及连续隐马尔科夫识别和分类．在小数据库上取得了超过95％的识别率；实验结果表明，本方法有效．     

基于加权马尔科夫模型的湖北省CPI预测

研究地区CPI的变化趋势,对全面把握当地宏观经济运行状态,据此制定相应的政策措施,保持地区CPI基本稳定以及促进本地区经济健康发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同时期历史数据加权重和模糊数学处理预测结果的方法进行了改进,发挥数据的特点,拓展了模型的应用范围.运用改进后的模型对湖北省CPI进行了预测,通过验证得到模型有较好的效果.由模型预测得到2019年4月湖北省CPI为2.473%.     

一种基于遗传算法的多传感器多目标航迹关联模型

随着信息技术的发展,智能信息技术得到了广泛应用,其中智能算法较多应用于多传感器信息融合领域。常用的加权法、修正法、最近领域法这3种基本方法只针对两个局部节点的情况进行求解,而无法对较大规模系统目标关联问题进行求解,针对防空作战系统目标关联问题,提出了一种基于遗传算法的多传感器多目标航迹关联算法,将多传感器多目标航迹关联这一问题转化为多维分配问题进行求解,给出了求解该问题的具体模型、算法和求解步骤,并通过仿真实验证明了应用该算法求解此类问题的正确性和有效性,对于多传感器多目标航迹关联应用系统的实现具有一定意义。     

基于马尔科夫模型的教学效果评价体系构建

为了科学地评价教学效果以便撬动专任教师的教学能动性,本文梳理了众多学者的相关 研究成果,利用马尔科夫模型及惩罚因子理论构建了教学效果评价体系,引入教学效果期望的概念并 结合具体实例分析,成功地解决了不同班级的学生因基础差异而无法正确地凭借学期末考试成绩来 评价任课教师的教学效果这一问题。研究表明：该评价体系具有科学的有效性及良好的实用性。     

基于隐马尔科夫模型的基因预测算法

为更好地从DNA序列中识别蛋白质编码区,提高计算效率,将隐马尔科夫模型与前向算法相结合,提出一种生物基因的预测算法.理论证明,该隐马尔科夫模型与经过EM算法优化后的模型具有相同的参数,能够降低计算量,提高计算效率.利用该方法对DNA序列F56F11.4a的外显子进行识别的仿真结果表明,该算法是有效的.     

基于隐马尔科夫模型的浏览兴趣预测

Web上的信息量正以惊人的速度增加,人们迫切需要能自动地从Web上发现、抽取和过滤信息的工具,即如何从数以亿计的页面中发现需要的内容、如何从大量的访问中发现固有的模式和关联.马尔科夫模型的网页浏览预测,仅仅从用户的浏览网页本身出发,预测用户的下一步链接,并不能捕获到用户的真正兴趣.本文提出基于隐马尔科夫模型的网页浏览路径预测,并将其与基于马尔科夫模型的方法进行对比.根据已知的浏览序列判断用户的类别,当浏览序列长度很短时,本文方法的预测准确性比马尔科夫模型低.这是由于序列长度过短,系统获取判断的信息少,增加了对用户错误分类的可能性.随着浏览序列长度逐渐增加.系统捕获的用户浏览信息越来越多,进而能够折射出用户的兴趣所在.预测准确率也逐步增加.当浏览序列长度大于或等于8时,预测准确率已经到达80%.提高了浏览兴趣预测的准确率.