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.     

一种基于有向图模型的模糊多故障诊断算法

基于最大后验概率准则的复杂系统多故障诊断推理算法依赖于系统先验故障概率的获取.针对这一不足,提出了一种基于有向图模型的系统级模糊故障诊断算法.首先用有向图模型描述大型复杂系统各子系统及故障观测节点问的信息依赖关系,建立故障依赖矩阵;然后在故障观测概率空间建立特征故障观测概率矩阵;在此基础上设计了模糊函数以描述实际观测向量与故障特征向量的相似度,并提出了相应的诊断算法.仿真结果表明该算法具有足够的故障诊断精度和诊断效率.     

基于过程挖掘的未来感知预测模型

将事件日志中蕴含的过程模型看成两紧邻活动的组合,提出两种新的过程模型。首先,利用日志信息中的活动紧邻关系构造邻接矩阵提取过程模型,该模型中每个活动仅发生一次;其次,为避免过程模型中出现回路或者环路而造成模型预测精度降低的情况发生,在构造的邻接矩阵中增加活动在事件日志中所处的顺序位次,构造含有活动位次信息的邻接矩阵,以此为基础上进一步提取过程模型,该模型中每个活动在同一个位次上仅发生一次;再次,通过矩阵中的信息可获得过程模型中每个上层节点到各个下层节点的路径与相应概率;接下来,根据事件日志中信息的类型和特征,利用过程模型对决策者所需要的信息（如活动名称、等待时间、发生概率）进行预测;最后,利用随机数据与实际数据同基于序列提取规则的过程模型预测结果进行比较,验证所提模型的实际有效性。     

马尔可夫矩阵修正IMM跟踪算法

传统交互多模型（ｉｎｔｅｒａｃｔｉｎｇｍｕｌｔｉｐｌｅｍｏｄｅｌ,ＩＭＭ）滤波算法中,马尔可夫概率转移矩阵参数固定, 切换过程模型概率滞后。基于后验信息修正,扩展了一种在线更新马尔可夫概率转移矩阵的自适应跟踪算法,新 算法克服了原算法只能交互２个模型的局限性。在计算过程中,依据不匹配模型误差压缩率的更新信息,在线调 整先验马尔可夫概率转移矩阵,模型转换过程中更多地利用匹配模型的信息,而减小不匹配模型信息的影响,使 收敛速度得到了提高。最后通过多模交互３个当前统计模型（ｃｕｒｒｅｎｔｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌ,ＣＳＭ）验证了所提算法的 有效性。     

基于非负矩阵分解的复杂网络重构

将网络连边的产生机制和其社团结构结合在一起,基于社团结构决定网络连边的假设推导出节点间的连接概率矩阵并表达为矩阵乘积的形式,然后利用非负矩阵分解得到节点间的连接概率矩阵进行网络重建。设计实验并在几个真实的网络数据上测试,相比基于相似度的网络重构算法,该算法取得了更好的网络重构效果。     

一种结合形状上下文分析的Laplace谱匹配算法

提出了一种结合形状上下文分析的Laplace谱匹配算法.工作主要侧重于如何提高Laplace谱匹配算法对点的位置随机抖动的鲁棒性.首先,使用Laplace矩阵的特征向量和特征值以及双随机矩阵的方法计算初始匹配概率.然后,借助于概率松弛算法,将用形状上下文表示的局部相似性融入Laplace谱匹配算法以优化谱匹配的结果.对真实和合成数据的实验表明该方法具有比较高的精度.     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

基于最小生成树与概率松弛结合的谱匹配算法

提出了一种基于最小生成树与概率松弛结合的谱匹配算法。该算法分别对给定的两个待匹配的特征点集构建最小生成树,通过最小生成树构造Laplace矩阵,由奇异值分解该矩阵得到的特征值和特征向量,计算出特征点匹配的初始概率,利用概率松弛迭代法,获得最终匹配结果。用大量的真实序列图像进行比较实验,结果验证了该算法的有效性和准确性。     

抗反辐射导弹雷达诱饵阵防御效能分析

为了评定一个布置有诱饵的雷达阵地抗反辐射导弹(ARM)攻击的防御效能,提出了采用马尔可夫链的转移概率矩阵进行计算的方法。该方法通过计算在多枚ARM的攻击后,雷达诱饵阵地状态的变化,获得雷达阵地在ARM攻击后的毁伤概率矩阵,以及摧毁雷达所需要的ARM的期望数目。给出了应用该方法的具体步骤,并通过仿真实例检验了该方法的可行性和有效性。     

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。     

THE TRANSITION PROBABILITY MATRIX OF A MARKOV CHAIN MODEL IN AN ATM NETWORK

In this paper we consider a Markov chain model in an ATM network, which has been studied by Dag and Stavrakakis. On the basis of the iterative formulas obtained by Dag and Stavrakakis, we obtain the explicit analytical expression of the transition probability matrix. It is very simple to calculate the transition probabilities of the Markov chain by these expressions. In addition, we obtain some results about the structure of the transition probability matrix, which are helpful in numerical calculation and theoretical analysis.     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

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。     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

基于多分辨率技术及奇异值理论的故障检测方法

提出了以小波多分辨率技术与矩阵奇异值理论相结合的故障检测方法。根据小波变换的多分辨率分解特性 ,提出了系统状态观测信号的二初始特征向量矩阵———粗分辨逼近矩阵和边缘细节信息矩阵。利用矩阵奇异值分解理论得到初始特征向量矩阵的奇异值 ,将其作为状态信号的特征向量。针对提取出的系统状态信号奇异值特征 ,设计出相应的故障检测算法 ,并将该方法用于某武器平台上精密弹簧阻尼器的故障检测。仿真结果证实了该方法的正确性和有效性。     

Path Optimization of Stochastic Transportation Network Based on Frequency-Domain Spanning Graph Model

Because of the uncertainty, openness, and complexity of modern transportation system, the path optimization becomes a challenge in most cases. To address this challenge, we propose a Frequency-domain Spanning Graph (FSG) method for searching the optimal path of stochastic transportation network in terms of various probability distribution function of path optimization problem. Furthermore, we design an improved algorithm to achieve the FSG model based on generalized adjacency matrix. By using FSG method to execute the mutual transformation of probability function between time-domain and frequency-domain, the quantitative analysis for the dynamic process of pass rate (probability) between node couple O-D (origin node and destination) can be obtained directly, and continuous probability distribution and discrete probability distribution can be handled. In addition, the algorithm is highly effective, and easy to be realized with low complexity. To demonstrate the performance of our method, a detailed example is implemented, and the results show that our method has the feasibility and effectiveness when compared with traditional method.     

具有可变抽样区间的二维EWMA控制图

对二维EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算出了过程的平均报警时间,数据结果显示,所设计的控制图较常规的固定抽样区间控制图能更快更准确地发现过程的变化.     

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…