带有时间约束的机载自组网自适应退避算法

针对传统媒质接入控制(MAC)层退避算法无法满足机载自组网中高优先级业务高可靠、低时延的QoS传输需求,以及重负载时算法性能下降严重的问题,提出一种带有时间约束的多优先级自适应退避算法。首先,针对不同优先级业务的QoS需求,建立相应的时间约束机制和竞争窗口自适应调整机制,当网络处于重负载时,通过限制低优先级业务接入信道来保证高优先级业务的传输;其次采用三维马尔科夫链对多优先级自适应退避算法进行建模,求解不同网络负载时各优先级分组受时间约束条件下的退避状态转移概率,理论推导出网络吞吐量和平均MAC时延的数学表达式。仿真结果表明,该算法在重负载时能够有效保障高优先级业务低时延(2ms)、高可靠(99%)的QoS需求,相比增强型分布式信道接入访问和区分企业优先级的自适应退避算法,当网络负载大于9 000包/s时,吞吐量分别提升了33.4%和21.5%。     

基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.     

基于贝叶斯理论的多模型结构识别的试验研究

基于贝叶斯理论的抽样方法,对结构的多模型结构识别问题进行试验研究.采用基于贝叶斯理论的多模型结构识别的概念与基本框架,以及马尔科夫链-蒙特卡洛模拟(MCMC),建立了有限元模型库.针对MCMC在参数维度较高时不易收敛和计算效率低下等问题,提出了一种改进的MCMC抽样方法来进行多模型结构识别.利用Matlab-Strand7的交互访问技术(API)能够进行大型结构有限元模型的参数自动修正,在获得校验后的有限元模型库后,能基于有限元模型的后验概率分布进行预测.为了验证该理论的可行性和有效性,针对一根简支梁的数值算例和一座实际大跨钢管混凝土桁架系杆拱桥进行了基于贝叶斯理论的结构识别研究与响应评估,并使用传统的单模型结构识别方法——遗传算法(GA)进行对比分析,结果表明本文提出的基于贝叶斯理论的多模型结构识别方法能够更好地进行结构响应预测.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

门诊到住院过程中病床负荷公平性的病人路由策略

在调研分析住院病人历史数据和医院业务流程基础上,建立了病人流路由分配的单排队多服务台队列倒V模型.以病房工作负荷公平性为目标,分析了RMI(randomized most-idle)随机路由分配策略的马尔科夫过程在倒V模型中的应用,得到了系统的阻塞概率及病床占用率等相关性能指标参数,从理论上分析了RMI路由分配策略的公平性.对比了两服务台队列占用率、单位时间内服务的病人数量,结果验证了RMI策略的公平性.     

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。     

基于三次指数平滑的云南学龄儿童人数预测研究

构建科学、准确的学龄儿童人数预测模型,对合理规划小学学校数量,制定小学教师招聘计划,制定人口政策具有一定的参考价值。根据预测误差平方和最小原则,利用Matlab循环语句命令编程,设定平滑系数α的一个精度,从0α1的所有值中选择最优α,研究发现利用该法建立的三次指数平滑模型在学龄儿童人数预测方面有较好的预测效果;在此基础上利用马尔科夫预测法,对三次指数平滑模型预测结果进行修正,弥补了因随机波动性导致的预测误差偏大的情形;通过对这两个模型预测结果的对比分析,表明三次指数平滑-马尔科夫模型的预测效果比单独利用三次指数平滑模型的效果有较大改善。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

区域洪涝灾害风险估算模型及其应用

为了减轻洪涝灾害造成的损失,针对系统存在的风险指标,研制区域洪涝灾害风险估算模型.应用马尔科夫链进行某种趋势外推型的风险预测,并估算洪涝灾害无实测值的状态;采用贝叶斯统计理论和方法,通过先验分布结合样本信息来推求后验分布,以最大概率原则判别风险估算的趋势,按照估算结果及当地的实际情况,适度调整针对洪涝灾害的策略,尽可能...     

多目标的跟踪区域列表动态优化算法

5G移动网络要适应多样化和不断增加的用户设备(User Equipment, UE),应对终端巨大的位置管理信令开销是实现这一目标的重要保障。文中提出了一种多目标算法优化跟踪区域列表(Tracking area List, TAL)的策略,目的是寻找TAL中跟踪区(Tracking Area, TA)的最优分布以及如何将TAL分配给UE,以最小化位置管理中冲突的跟踪区更新(Tracking area update, TAU)和寻呼信令开销。在本地侧利用多目标粒子群优化算法实现TAL的最优分布,网络侧根据不同UE的移动特性来分配大小合适的TAL。通过仿真验证,所提方案可以在TAU和寻呼开销之间取得妥协,并在节省总位置管理开销方面得到了大幅度改善。