Markov逻辑网在重复数据删除中的应用

为了解决和突破现阶段重复数据删除方法大多只能针对特定领域,孤立地解决问题的某个方面所带来的不足和局限,提出了基于Markov逻辑网的统计关系学习方法。该方法可以通过计算一个世界的概率分布来为推理服务,从而可将重复数据删除问题形式化。具体采用了判别式训练的学习算法和MC-SAT推理算法,并详细阐述了如何用少量的谓词公式来描述重复数据删除问题中不同方面的本质特征,将Markov逻辑表示的各方面组合起来形成各种模型。实验结果表明基于Markov逻辑网的重复数据删除方法不但可以涵盖经典的Fellegi-Sunter模型,还可以取得比传统的基于聚类算法和基于相似度计算的方法更好的效果,从而为Markov逻辑网解决实际问题提供了有效途径。     

具有遍历的概率测度的Markov算子

研究了可分度量空间上的Markov算子的遍历性质,利用平移算子的遍历理论证明了非扩张的具有遍历测度的Markov算子具有几乎稠密的轨道。     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

PH分布的累积报酬分布及应用

采用构造新Markov链的方法对离散PH分布的报酬过程进行研究,证明了在单位时间收益率确定及随机2种情况下带报酬Markov链在被吸收之前的“累积报酬”是PH分布,并给出了相应的表达式,最后给出了2个数值计算实例.     

随机时间上的Markov到达过程

对Markov到达过程作了推广,即考虑在服从PH分布的随机时间间隔上的Markov到达过程,采用构造与之相关的潜在Markov过程的方法分析这一计数过程.讨论了这类计数过程的基本性质,并给出了更新次数的矩母函数.同时,证明了这一过程的更新总次数及最后更新时刻服从PH分布,并给出了具体表示式.     

FTC of hidden Markov process with application to resource allocation in air operation

This paper investigates the feedback control of hidden Markov process(HMP) in the face of loss of some observation processes.The control action facilitates or impedes some particular transitions from an inferred current state in the attempt to maximize the probability that the HMP is driven to a desirable absorbing state.This control problem is motivated by the need for judicious resource allocation to win an air operation involving two opposing forces.The effectiveness of a receding horizon control scheme based on the inferred discrete state is examined.Tolerance to loss of sensors that help determine the state of the air operation is achieved through a decentralized scheme that estimates a continuous state from measurements of linear models with additive noise.The discrete state of the HMP is identified using three well-known detection schemes.The sub-optimal control policy based on the detected state is implemented on-line in a closed-loop,where the air operation is simulated as a stochastic process with SimEvents,and the measurement process is simulated for a range of single sensor loss rates.     

一种高可用异构容错系统的混合可用性模型

为解决高可用异构容错系统的可用性评价问题,提出了一种针对高可用异构容错系统的混合可用性评价模型。设计实现异构容错原型系统,包括硬件体系结构框架及软件系统。采用Markov过程与随机Petri网相结合的方式,从可用性量化和系统状态转换两方面构建系统的可用性模型。根据该可用性模型估算系统的高可用指标,并与同构及非容错单机系统进行比较分析。结果表明,该可用性模型能够对异构容错系统进行准确的可用性评价,验证了系统5个9的高可用指标要求。最后总结了影响系统高可用性的主要因素及提升系统可用性的有效方法。     

基于Markov网络的结果重排技术

信息检索中通过网页链接信息提取文档内部关系进行搜索结果重排可以提升检索系统的性能。通过Markov网络来展现文档内部关系,该网络更直观地解释了文档间的语义相关性,利用这种文档内部语义关系计算文档重要性对检索结果进行重排。根据文档分布特征阐述了Markov文档网络的构造算法,讨论了Top-k及其相关文档的重要性评分算法,修正初始检索的文档评分。通过这种方式,既保持了文档图的查询相关性,又丰富了文档内部关系,扩大了重排序范围。实验表明,在多个标准文档集上基于Markov网络的结果重排技术对检索性能有较大的稳定提升。     

随机Lotka-Volterra竞争系统下的市场结构的演进

避开市场处于均衡态的假设和边际成本等于边际收益的条件,研究了n维具有Markov转换的Lotka-Volterra随机竞争系统下市场结构的演进,在各种随机因素的干扰下,构成系统的各种产品的数目终将随机的维持在各自市场份额的均衡点,随机竞争系统是随机持久的,也是依分布渐近稳定的.