基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.     

一个具有Markov性的入圈问题

研究序列{Xn},{Xn}满足Xn=Yn(mod 2),其中Yn∈Z+,Y0≥2,Yn+1=Yn+[Yn/2],证明了{Xn}为一独立随机变量序列,并且是一时间齐次Markov链.最后,利用该Markov链{Xn}的性质,证明了入圈问题经过有限次插点,Cm的任意一边上都至少插入一个新点.     

古典概型问题的数学模型

在古典概型问题中引入了n次随机试验,n维样本点,n维随机事件和n维样本空间等概念,对解决古典概型的应用问题提供了相应的数学模型.     

基于无线局域网定位的误差关键因素分析与仿真

在基于无线局域网定位问题中,采样点间距、接入点的个数以及环境的干扰是影响定位平均误差的重要因素,但是对于这些参数的选取目前还没有系统的指导,主要根据经验来确定.提出了一个表示定位平均误差的数学模型,形式化地全面概括了定位问题中的关键因素.基于该模型,分析了采样点间距,接入点个数和环境与定位平均误差之间的关系.仿真结果表明采样点间距取1米即可满足定位的要求,选择多于3个接入点的定位对于弥补环境干扰,减小定位误差有显著的作用.     

New acquisition decision algorithm for multiple access interference suppression in DSSS system

For decreasing the multiple access interference of weaker signal acquisition in direct sequence spread spectrum(DSSS) systems,a new single decision algorithm is presented.The maximum value of correlation results is conventionally detected.However,there may be not only one strong peak among correlation results when the cross-correlation noise is strong enough to affect the correlation results.The proposed algorithm decreases the false alarm probability through the decision of the ratio of the maximum value and the second maximum value of the correlation results.Theoretical analysis and simulation results indicate that the proposed algorithm effectively suppresses the acquisition problem of multiple access interference in DSSS system.     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.     

泊松分布下信息安全事件概率计算模型

从信息安全事件的概率分布规律出发,根据泊松分布的基本特征,通过数学证明了信息安全事件发生频数服从泊松分布,并采用国家互联网应急中心(CNCERT/CC)统计数据验证了这一理论结果.在此基础上,基于贝叶斯定理,建立了泊松分布下的信息安全事件概率计算模型.根据泊松分布的概率质量函数,计算了信息安全事件发生频数的先验概率分布;通过构建似然函数调整先验概率分布,得到信息安全事件发生频数后验概率分布;最后,采用CNCERT/CC统计数据验证了该模型的可行性和有效性.     

基于偏微分方程的增长网络结构分析

为了研究网络的功能,需要首先研究增长网络的拓扑结构,包括网络的度分布和节点度等。当网络规模足够大时,将网络节点的度看作连续变量,根据网络演化过程中所满足的马尔科夫性,建立网络节点数量的变化方程,从而化简变形得到基于一阶双曲方程的增长网络模型。求解得到了兼具优先和随机2种连接机制的网络度分布P(k)和节点度kt0(t),同时也发现了节点度函数与双曲方程特征线之间的关系。根据网络的演化机制,通过对该增长网络模型进行随机模拟,验证了度分布与节点度理论结果的正确性。将网络的度分布计算转化为偏微分方程求解问题,将节点度的变化视为偏微分方程的特征线,将偏微分方程应用于增长网络的建模中,从而可以解析地对网络结构进行分析。     

蛋白质二级结构预测概率图模型的改进

蛋白质二级结构与蛋白质三级结构及蛋白质功能密切相关,是生物信息学研究的热点,其中概率图模型隐马尔可夫算法(HMM)是该领域研究的重要工具。但是在实际应用中,存在着HMM训练下溢、不同训练集的效果差异较大及参数优化困难等问题。对预测蛋白质二级结构时HMM遇到的训练下溢问题提出了改进方案;首次提出8-状态HMM来预测蛋白质二级结构,并且将参数B改进成为包含状态转移信息的三维参数;为了改进最优HMM模型的确定方法,用每个样本分别对初始HMM模型进行训练,得到一系列新的模型,然后对这些新模型的参数求均值,将求得的均值作为最优模型的参数。这些改进方法提高了HMM预测蛋白质二级结构的准确率,为HMM的进一步优化打下良好的基础。     

基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.