多类服务器计算机网络系统优化配置研究

采用马尔可夫排队网络,建立了具有多类服务器并考虑网络影响的基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ平台的计算机网络系统的数学模型,给出了有限源开环马尔可夫排队网络的稳态分布概率的一般解。在此基础上,推出系统负载指标的解析结果,分析、论证系统服务器负载均衡的条件,提出归一化的性能指标向量,建立系统优化目标函数,研究不同情形下的配置优化求解方法。     

一种同步转速状态测定方法及其实现

提出一种同步转速状态测定方法．基于该方法设计了采用霍尔传感器的单片机测量系统．实现了对双螺旋推进器的转速和瞬时相差的准确测量,解决了无法预报“碰撞”现象的难题     

多维OU型Markov过程的弱对偶半群及其无穷小算子

研究多维ＯＵ型Ｍａｒｋｏｖ过程的不变测度、参考测度、弱对偶半群及其无穷小算子．说明了ＯＵ型Ｍａｒｋｏｖ过程不变概率测度和弱对偶半群的存在唯一性,Ｌéｖｙ过程Ａｔ的不变测度不一定是由它产生的ＯＵ型Ｍａｒｋｏｖ过程的不变测度,以及Ｌｅｂｅｓｇｕｅ测度ｍ和极限分布ξ在ｓｕｐｐξ＝Ｒｄ的条件下都是ＯＵ型Ｍａｒｋｏｖ过程的参考测度．     

一种高性能英文词性标注器的设计与实现

针对统计和规则方法各自的优点和局限,提出运用Viterbi和FTBL(fast transformation-based learning)算法相级联的算法,实现一种英文自动词性标注器.该级联方法以FTBL算法为整体算法,在它的规则学习和最终标注两个阶段,均以Viterbi算法作为其初始化过程.实验结果表明此算法优于其中任何一种单独的算法,达到了98%的高准确率,验证了自然语言处理中统计与规则并举的主流设计思想.     

分子电子学

作为纳米电子学的一个重要分支，分子电子学在近年来得到了巨大的发展，并成为国际上研究的热点。本文介绍了各种分子器件的制作技术及基本工作原理，回顾了近年来分子电子学的最新进展，展望了分子电子学的未来发展。     

角谷猜想的证明

应用马尔可夫链推导出角谷链的状态转移概率,从而得出角谷链中的奇数和偶数出现的概率,再以概率的大数定律为基础证明日本数学家角谷静夫提出的猜想.     

一种适用于并行文件系统的高可用机制

针对并行文件系统文件数据分布存储的特性所带来的系统可靠性和可用性降低的问题,提出了一种提高并行文件系统可靠性与可用性的机制.该机制采用数据镜像技术,应用逻辑镜像环来指定存储节点间的镜像关系,使得一个存储节点既存储自身的数据,也作为其他节点的数据备份节点.该机制还可以通过调整镜像深度,以满足用户对文件系统不同级别的可靠性和可用性要求.同时,建立了马尔可夫链模型,以评估所提机制的可靠性和可用性.数学求解表明,在镜像深度为2时,应用该机制的并行文件系统发生数据丢失的平均时间大大提高,约为原系统的32倍.     

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．     

带干扰的复合更新风险模型

在经典风险模型的基础上,把索赔到达过程Nt加以推广为更新过程,且认为有干扰的情况下,设其为布朗运动,得到一个新的风险模型:Rt=u+ct+Wt-∑Nti=1Xi,用马尔可夫骨架过程的理论和方法,求得有限时间t盈余的瞬时分布φ(u,t,a),然后求得时刻t的生存概率Ψ(u,t)满足的关系式。     

基于神经网络的场景调度策略

虚拟场景的实时显示是虚拟现实技术的重要研究课题,优化场景的调度策略是解决实时显示的主要方法之一.根据虚拟装配的特点,建立视点状态变化的马尔可夫模型,并且使用径向基函数神经网络挖掘装配过程中视点变化的规律,提出基于神经网络的场景调度策略,利用该策略预测并提前调入装配过程中将要出现的场景.该策略可以使调度更加智能化,提高场景调度的效率,达到实时显示场景的目的.同时该调度策略也可以应用于虚拟现实的其他领域中,如虚拟场景漫游等.