基于模式挖掘与匹配的移动轨迹预测方法

分析了移动轨迹预测的已有方案及各方案存在的问题,提出了一种全新的移动设备位置预测方法,即基于模式挖掘与模式匹配的移动用户移动轨迹预测(Mpp)方法。在若干个实际WLAN用户的移动跟踪数据集上对Markov预测器和新预测器的预测精度进行了比较。实验结果表明:该方法能够达到比较理想的预测效果,与二阶Markov预测器的预测效果基本持平。同时,该方法能够实现增量挖掘,预测精度和可靠性有了进一步提高,具有较高的实用价值。     

基于阶次小波包与Markov链模型的转子早期故障诊断

针对转子启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法精度不高的现状,将阶次小波包和Markov链模型引入转子的早期故障诊断中,提出了一种新的自适应故障诊断模型。首先利用阶次跟踪算法对瞬态振动信号重采样,得到等角度分布诊断信号;其次采用小波包对该信号分解——重构,提取其在各频带的能量特征向量,通过Markov链模型对其进行预测;最后通过故障实例验证,结果表明:将阶次小波包变换和Markov链模型相结合进行故障诊断是可行而有效的。     

一种基于频繁k元一阶元规则的多维离散数据挖掘模型

为实现对多维离散数据的挖掘,提出了包含"与"、"或"、"非"逻辑的元规则概念模型,定义了元规则实例及相应的支持度和置信度概念。在此基础上提出了新的更精炼且更有启发意义的k元一阶元规则概念模型,定义了频繁度概念,证明了k元一阶元规则的空间性质定理包括上下界计算公式。文中的元规则具有更高的抽象层次,更小的解空间,能够描述元数据间的关系以及强规则实例的分布的情况。给出了k<5时,k元一阶元规则的空间分布情况的实验结果,验证了空间性质定理。实验结果表明,在标准数据集上显著k元一阶元规则的数量比相应的强的元规则实例数少1个数量级,频繁度为100%的k元一阶元规则比强的元规则实例数少2个数量级。     

Markov模型的软件可靠性测试充分性问题的研究

在分析现有Markov模型的软件可靠性的充分性判别的基础上,定义了严格转移概率的概念,提出了基于严格转移概率的测试充分性判别方法。将Markov模型转化为严格Markov模型,在每个边或者状态的差异计算时引入严格转移概率,对可达相异转移集中所有可达相异转移k的转移概率进行原转移概率对应计算后进行求和再平均运算,得到的结果作为每个边或者状态的差异值。实验表明严格测试充分性判别方法比非严格Markov模型方法更稳定、有效。     

基于缓存候选结果集的轨迹隐私保护方法

在基于位置服务的连续范围查询过程中,针对相交区域需要重复查询的问题,提出一种基于缓存候选结果集的轨迹隐私保护方法。该方法采用二级缓存机制,分别在用户端和匿名器中缓存用户查询得到的候选结果集,供用户移动轨迹上的后续查询点使用,以减少用户与服务器之间的交互,降低用户信息暴露给服务器的风险。同时通过基于Markov模型的移动位置预测方法进行k-匿名,提高缓存的命中率。安全分析表明该方法能有效保护用户的轨迹隐私。实验结果显示该方法能减小服务器的计算和通信开销。     

三维散乱数据点集k近邻的快速搜索算法

从数据点的空间排列特点出发提出了k近邻搜索算法，利用多向链表对数据集进行排序，综合考虑了数据集的范围、点的总数、搜索步长及最近点数目k，并采用了空间包围策略，可以给出接近于最佳搜索速度的步长e和k值，并且在搜索终止准则上进行改进，使近邻点的搜索范围大大缩小，搜索速度加快。     

一种基于复合近邻的聚类中心点初始化算法

提出了一种有效选择初始聚类中心的算法CNICC.该算法参考了网格聚类算法的思路.划分数据空间为相应维度上的网格单元,然后根据实例的分布情况确定初始聚类中心.从二阶差分的概念出发,CNICC定义了网格单元的一阶邻居和二阶邻居,算法根据每个网格单元的一阶和二阶邻居的局部密度变化寻找包含聚类中心的网格单元.在人工数据集上进行的实验表明,与现有初始化聚类中心的方法相比,CNICC能够有效减少K-means算法的迭代次数,提升聚类精度.同时,随着数据集实例数、维度和网格单元数量的增加,算法的时间复杂度呈线性增加.     

一种基于聚类的快速局部支持向量机算法

为进一步改善局部支持向量机的分类效率和分类精度,提出一种改进的局部支持向量机算法。该算法对每类训练样本分别进行聚类,使用聚类生成的样本中心点集代替样本,使用改进的k最近邻算法选取测试样本的k个近邻。分别在UCI数据集和自建树皮图像数据集上对本研究算法的有效性进行测试。实验结果表明,本研究提出的算法在分类精度和效率上具有一定的优势。     

基于各向异性高斯分布的视觉跟踪算法

为了提高使用传统特征的有效卷积操作算法（ECOhc）的跟踪性能,提出基于各向异性高斯分布的视觉跟踪算法. 该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数,利用该函数训练跟踪器预测目标位置,提高算法的跟踪精度;提取颜色直方图特征跟踪预测新的目标位置,并在决策层加权融合2个预测位置,进一步提高跟踪精度. 在标准数据集OTB-100、VOT2016中测试算法,本研究算法在数据集OTB-100上的平均距离精度为89.6%,平均重叠率为83.7%,比ECOhc算法分别提高4.67%、6.62%;本研究算法在数据集VOT2016上的平均期望重叠率为33.3%,比ECOhc算法提高3.42%. 所提算法能有效提高目标跟踪的精度,在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标.     

基于熵理论的Markov链对粮食生产年景的预测——以河南省为例

将度量系统状态不确定性的熵引入到Markov链中,从而使随机过程的Markov链分析方法与信息熵结合起来,构造了一种熵权的Markov方法,用不同步长的Markov链熵权和来预测系统的状态,实现了对粮食生产年景的动态预测.     

高阶马尔可夫链无线链路连通性建模

针对动态无线网络对高精度链路连通性建模的需求,结合无线电波传播特性和节点运动模式,基于高阶马尔可夫链建立链路连通性模型.采用统计方法获取模型参数转移概率矩阵,并利用模型评估链路生命时间等网络特性参数.通过仿真实验分析链路生命时间精度与马尔可夫链阶数的对应关系.研究表明,链路生命时间精度随着马尔可夫链阶数增加而提高,四阶以上马尔可夫模型生成的链路生命时间精度提升不明显.相比多状态一阶马尔可夫链路连通性模型,四阶马尔可夫模型在仿真链路生命时间时误差降低68%.     

上证综合指数波动情况研究——基于滚动窗口的马尔科夫链预测模型

文章运用基于滚动窗口的马尔科夫链预测模型,对上证综指的变动进行研究,创新的给出概率转移矩阵、极限概率以及预测准确率的时变特征,并给出马尔科夫链预测模型的最优窗口长度和状态定义阀值。研究揭示,大盘波动幅度与大盘的极限概率有着密切的关系;股指期货推出后大盘平盘概率占据主导地位,平稳性显著提高,马尔科夫链预测模型的预测准确率也有了较大提高。     

Health prediction algorithm for edge layer nodes

An improved state prediction algorithm for edge layer nodes is proposed to solve the problem of the existing state prediction algorithm for edge layer nodes based on Hidden Markov, such as the subjectivity of initial parameter selection, the dependence of feature weights setting on experience, and the bad adaptability of multidimension feature node analysis. At the data processing layer of the algorithm, the parameter of the model and observation sequence are optimized by the method of clustering; and then at the training layer of the algorithm, the single-feature Hidden Markov Model is used to model the multi-feature Hidden Markov Model; finally, an adaptive genetic algorithm based on the information gain is used to optimize and reduce the state sequence generated by the Hidden Markov Model. The problems of feature weight setting and parameter initial value selection are solved effectively. Experimental results show that the proposed algorithm effectively improves the accuracy of the high-dimensional health state of large-scale edge layer nodes compared with the existing algorithms.     

m值可列非齐次二重马氏链的若干极限定理

利用刘文教授提出的分析方法在Wiener概率空间中研究m值可列非齐次二重马氏链的一些极限定理．把有关可列非齐次马氏链的一些极限定理推广到了可列非齐次二重马氏链上,得到一系列的极限定理．证明中使用了Lebesgue单调函数的导数存在性定理．     

基于神经网络的马尔科夫链和遗传算法对股票价格预测研究

针对股票收益率和风险的不确定性,文章提出一种基于BP神经网络的马尔科夫链和遗传算法组合模型,该模型通过对神经网络以滚动预测法完成股票价格曲线的粗略拟合;在此基础上,借助马尔科夫链对股票价格的曲线拟合进行系统状态划分,并用遗传算法对系统状态划分进行优化,提高马尔科夫系统状态划分的合理性;最后用马尔科夫链缩小预测区间以提高预测精确度。     

基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.     

一类特殊的Adams-Moulton公式

Adams-Moulton公式是一类k 1阶线性k步法隐式公式,应用十分广泛,但它的绝对稳定区域是有界的,一般不适合用于刚性方程求解.通过改进k步k 1阶Adams-Moulton公式得到了一类更稳定的k阶线性k步法隐式公式:对其中的2步3阶Adams-Moulton公式,改进后可以得到A(α)稳定性;对3步4阶Adams-Moulton公式,改进后可以得到A0稳定性;对4,5步的Adams-Moulton公式,改进后能使有界的绝对稳定区域增大.用数值实验证明了这类公式对解决刚性方程问题的有效性.     

改进的灰色马尔可夫模型在股票分析中的应用

针对经典马尔可夫方法进行预测需要掌握大量数据和原始的灰色GM（1，1）的指数形特征的问题，采用带波动的多项式代替灰色GM（1，1）模型中的指数形曲线，改进了现有的灰色GM（1，1）马尔呵夫模型．利用改进后的灰色马尔可夫模型对股票价格、上证综合指数进行预测，并与经典的灰色GM（1，1）模型和原始的马尔可夫链模型和灰色GM（1，1）马尔可夫链模型3种方法的预测值进行了比较，得到的股票价格与上证指数的预测值精度优于其他3种方法．     

混凝土二维平面问题细观随机断裂损伤分析

运用非平稳参数空间和状态空间离散的马尔柯夫(Markov)过程、细观断裂能量释放率和细观损伤应力,来描述和模拟混凝土二维平面问题在环境场变化时的行为。     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.