在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

基于模糊逻辑的Markov链模型辨识方法

提出一种采用模糊Markov模型(FMM)，根据系统实际输入一输出建模的新方法，用于线性及非线性的随机动态系统辨识．讨论了动态系统的Markov链描述，给出了一阶受控Markov链的具体描述及其转移概率矩阵的计算方法；在传统模糊系统的基础上，探讨了建立FMM的方法，给出了FMM的仿真框图和建模的具体步骤；并给出了随机动态系统仿真的应用实例．基于模糊逻辑的Markov链模型解决了传统模糊系统不能处理随机现象的问题，同时也提高了Markov链模型辨识的速度．     

贝叶斯网络的建造及其在数据采掘中的应用

贝叶斯 (Bayesian)网络近年成为数据采掘引人注目的研究方向。通过剖析 Bayesian网络的结构和建造步骤 ,着重讨论用 Bayesian方法从先验信息和样本数据进行学习以确定网络的结构和概率分布的基本方法 ,分析 Bayesian网络学习的特点 ,探讨 Bayesian网络的适用性。与数据采掘的其它方法相比 ,Bayesian网络的优点是可以综合先验信息和样本信息 ,这在样本难得时特别有用 ;可以发现数据之间的因果关系 ,适合于处理不完整数据集 ,这是其它模型难以做到的。其缺点是计算开销较大 ;确定合理的先验密度比较困难 ;如何判定实际问题是否满足所要求的假设 ,没有现成的规则     

带驻留时间HMM2的Forward-Backward算法

讨论了用状态驻留时间来模型化传统HMM2模型,对传统HMM2的状态转移和输出观测值的Markov假设条件作了改进,在新模型的转移概率和输出观测值的概率中加入驻留时间,并在传统HMM2的基础上定义了新模型的前向-后向变量算法,导出了新模型的前向-后向算法的迭代公式,以及在给定模型λ的条件下,产生观测序列O的概率计算公式.     

时变时滞不确定离散Markov跳跃广义系统的鲁棒输出反馈镇定

考虑了时滞不确定离散Markov跳跃线性广义系统的鲁棒稳定性和动态输出反馈镇定问题,时滞是时变的且不确定是范数有界的参数不确定。对所讨论的广义系统进行受限系统等价变换,然后引进新的状态变量,将原有系统等价转换为时滞Markov跳跃标准线性系统。通过构建一个新颖的Lyapunov-Krasovskii函数,得到了判定系统正则、因果和鲁棒随机稳定的线性矩阵不等式(linear matrix inequality,LMI)的充分条件。对于转移概率已知和未知但是具有上界的情形,分别给出了动态输出反馈控制器的设计方法。最后,数值算例验证了本文方法的有效性。     

基于特征值分解计算平均要求时失效概率

安全仪表系统在一段时间内要求时失效概率的平均值PFDavg是评判其安全完整性水平SIL的主要依据.该文提出了一种采用离散Markov模型定量计算PFDavg的有效方法.该方法通过Markov模型状态转移矩阵的特征值分解,在不降低计算精度的条件下有效地减小了计算量;通过对该方法的分析,得到了系统各状态的转移概率与特征值之间的联系,揭示了PFD随时间的变化趋势及其变化的主要原因.     

丢包信息部分已知的变采样周期网络控制系统的H∞控制

研究了基于时变采样周期网络控制系统的H∞控制问题.考虑数据丢包个数有界且符合一个有限状态的Markov链,设计状态反馈控制器,将具有网络时延和丢包的NCSs建模为Markov跳变系统.针对数据丢包的信息难以精确获得的情况,即转移概率部分已知时,基于李雅普诺夫方法,给出系统随机稳定且具有H∞范数界γhkj的充分条件.基于LMIs技术,获得控制器设计方案.数值实例表明该方法是有效的并具有较好的H∞性能.     

核电厂设备冷却水系统动态可靠性评估方法

核电厂设备冷却水系统作为一类双重冗余的系统,存在复杂的动态时序失效行为。传统故障树分析法缺乏对时间因素的描述,对设备冷却水系统中的动态时序问题分析假设过于保守。针对上述故障树分析法的局限性,结合动态故障树（dynamic fault tree, DFT）和动态贝叶斯网络（dynamic Bayesian network, DBN）,提出了一种核电厂设备冷却水系统动态可靠性评估方法：首先在设备冷却水系统结构功能的基础上构建系统DFT模型;然后根据转化规则将DFT模型转化为DBN模型;最后通过DBN正向推理得到设备冷却水系统可靠度曲线,反向推理得到根节点的后验概率排序,敏感性分析识别系统薄弱环节。评估结果表明：所提出的方法能够为提高系统智能维修维护水平和可靠性提供依据。     

动态故障诊断中的立体因果建模与不确定性推理方法

为满足复杂系统的动态、实时和高可靠性的故障诊断需求,克服动态不确定因果图(dynamic uncertain causality graph,DUCG)及其他概率图模型的局限,该文在DUCG理论的基础上扩展其时序因果表达与推理方法,建立了立体DUCG(Cubic DUCG)理论模型。采用动态的手段处理动态问题,以"逐步生长"的立体因果建模取消了时序模型中常见的Markov假设限制,以穿越式因果连接准确地表达动态系统下故障的产生、演变和发展;直观地刻画和处理动态负反馈等复杂故障逻辑因果关系;给出了严谨、高效的动态推理算法。宁德核电站1号机组CPR1000模拟机二回路系统上的故障实验结果表明:Cubic DUCG诊断推理准确、高效,能有效处理负反馈等复杂动态情形。     

基于规划理论的最小二乘法改进及其在Markov跳变系统参数估计中的应用

分析了高斯最小二乘法在Markov跳变系统参数估计中的局限性,即不能够直接解决带有约束条件的拟合问题。而Markov跳变系统的转移概率矩阵要满足列和为1的约束,同时在多次观测值中有部分数据是未知的。根据规划问题为带有约束条件的极值问题,且约束条件中决策变量的个数可以多于目标函数中决策变量个数的特点,将Markov跳变系统参数估计问题转化为非线性规划问题。从求解的角度出发,将非线性规划问题转化为凸规划,同时给出了具体的转化方法。从理论上说明了转化后的凸规划问题在满足库恩-塔克条件的前提下,库恩-塔克点一定为全局最优解。最后给出仿真算例,说明结论的合理性。     

单离子通道的隐马氏模型与状态的还原

对细胞膜单离子通道建立隐马氏模型，其中通道潜在的开关状态序列{xt}为马氏链，而膜片钳记录数据{xt}为依赖通道状态的正态分布。用EM算法估计模型中的转移概率以及正态分布的均数与方差等参数，并利用隐马氏模型的性质，用观察到的{Yt}来还原通道潜在的开关状态{Xt}。     

基于文本分块的多模板隐马尔可夫模型的文本信息抽取

针对文本信息抽取中训练数据来源的多样化，不利于学习到最优的模型参数的问题，提出了一种基于多模板隐马尔可夫模型的文本信息抽取算法. 新算法利用文本排版格式、分隔符等信息，对文本进行分块，在此基础上，通过对训练数据分成多个形式模板训练隐马尔可夫初始概率及转移概率参数，最后，结合统一训练的释放概率参数，对文本信息进行抽取. 实验结果表明，新算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能.     

一类隐马尔可夫模型的若干极限性质

假定隐藏的马尔可夫链为非齐次，研究隐非齐次马尔可夫模型的一些强极限定理．首先在引理中得出了隐非齐次马尔可夫模型的一些性质，从而导出了隐非齐次马尔可夫模型的三元函数一类平均值的强极限定理．作为定理的推论，得到了隐非齐次马尔可夫模型状态出现频率的一类强极限定理．隐马尔可夫模型可应用于弱相依随机变量的建模上，也可用作研究发音过程、神经生理学与生物遗传等方面的工具．     

基于改进的隐马尔科夫模型的词性标注方法

针对隐马尔可夫(HMM)词性标注模型状态输出独立同分布等与语言实际特性不够协调的假设,对隐马尔可夫模型进行改进,引入马尔可夫族模型。,该模型用条件独立性假设取代HMM模型的独立性假设。将马尔可夫族模型应用于词性标注,并结合句法分析进行词性标注。用改进的隐马尔可夫模型进行词性标注实验。实验结果表明:与条件独立性假设相比,独立性假设是过强假设,因而基于马尔可夫族模型的语言模型更符合语言等实际物理过程;在相同的测试条件下,马尔可夫族模型明显好于隐马尔可夫模型,词性标注准确率从94.642%提高到97.126%。     

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。     

线性时变系统的动态矩阵控制

通过对动态矩阵控制算法的研究，系统地将其从线性定常系统推广到线性时变系统，导出了ＳＩＳＯ和ＭＩＭＯ系统的时变预测控制算法，最后给出了仿真结果。     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

基于改进的隐马尔科夫模型的语音识别方法

针对隐马尔可夫（HMM）语音识别模型状态输出独立同分布等与语音实际特性不够协调的假设以及在使用段长信息时存在的缺陷,对隐马尔可夫模型进行改进,提出马尔可夫族模型。马尔可夫族模型可看作一个数学上由多个马尔可夫链构成的多重随机过程,HMM模型则是双重随机过程,因而,HMM模型可视为马尔可夫族模型的特例。马尔可夫族模型用条件独立性假设取代了HMM模型的独立性假设。相对条件独立性假设,独立性假设是过强假设,因而,基于马尔可夫族模型的语音模型更符合语音实际物理过程。在马尔可夫族语音识别模型中引入状态段长信息,能自动根据语速对语音单元段长进行调整。非特定人连续语音实验结果表明,利用状态段长信息的改进语音识别模型比经典HMM模型的性能明显提高。     

n阶隐马尔可夫模型的参数估计

给出了n阶隐马尔可夫模型( HMMn)的定义及结构.在传统的隐马尔可夫模型及二阶隐马尔可夫模型( HMM2)的基础上研究了HMMn的前向、后向算法,Baum-Welch算法,并导出了HMMn在单观测序列和多观测序列培训两种情况下的参数估计公式.