经马氏修正的Poisson过程的极大似然估计

近年来 ,隐马氏模型成为研究相依随机变量的一个十分有用的工具。实际应用过程中的一个很重要的问题是如何对隐马氏模型的参数进行估计。将一类连续时间隐马氏模型的问题转化为离散时间隐马氏模型的问题 ,给出了具体的隐马氏模型———经马氏修正的Poisson过程的极大似然估计及其算法。

基于MMPP的802.11网络性能

提出并建立了一个基于马尔可夫调制的泊松过程MMPP(M arkovModu lated Poisson Process)和间歇泊松过程IPP(Interrupted Poisson Process)的系统模型,从新用户的到达和系统中用户发起的新业务两个方面着手,考察了在受系统门限值约束情况下的接入系统的新用户数量和系统内用户发起的业务数量对802.11网络性能的影响。仿真结果显示,在系统容量受约束的情况下,这两个因素都会影响系统的载干比C/I,并且网络性能随着载干比C/I的变差而呈显著的恶化趋势。

ATM 复用器输入源分析与近似 MMPP 的参数计算

首先分析了ＡＴＭ复用器的间断Ｂｅｒｎｏｕｌｉ输入过程及其迭加过程，然后给出近似马尔柯夫调制泊松过程的参数计算。

经2状态马氏修正的Poisson过程的极大似然估计

近年来,隐马氏模型成为研究相依随机变量的一个十分有用的工具。应用过程中的一个很重要的问题是如何对隐马氏模型的参数进行估计。一般使用的方法是将连续时间隐马氏模型的问题转化为离散时间隐马氏模型的问题来讨论,本文用此方法讨论一类连续时间隐马氏模型——状态个数为2的经马氏链修正的Poisson过程的极大似然估计及其算法。此类模型被广泛用来对复杂通信网络的通信流进行建模。

基于MMPP模型的“送转股”公告效应研究——来自中国证券市场的证据

基于马尔科夫调制泊松过程模型建模交易笔数数据,将交易笔数分离为流动性交易笔数和信息性交易笔数,并构建一个新的估计日度PIN的方法.采用事件研究的方法,考察了我国股市"送转股"公告日前后20,d的超额收益率及信息非对称程度,实证检验我国股市是否有送转股公告效应,以及这种公告是否向市场传递了信息.研究结果表明:我国股市存在"送转股"公告效应,"送转股"公告确实向市场传递了信息,且在"送转股"公告前就有信息泄露.

蜂窝移动网中基于MMPP业务输入模型的系统性能分析

文章针对现有的以Poisson过程作为输入业务流模型分析系统性能的不足,提出采用马尔可夫调制泊松过程(MMPP)作为输入业务流来分析系统的呼叫阻塞率和掉话率。数值和仿真结果表明,MMPP能够较好的对蜂窝移动网中的业务输入流近似建摸,它考虑了业务流本身的相关特性和突发特性,可以更加准确的用于分析系统性能。

确定ATM的MMPP业务模型参数的新方法

利用ＭＭＰＰ模型来近似ＡＴＭ网络中多路突发业务，给出了一种确定ＭＭＰＰ模型参数的新方法，得到了这些参数关于信源数的解析式．该方法不仅计算简单、结果稳定。

中国股市流动性深度日内模式——基于马尔科夫调制泊松过程模型

针对已有流动性深度日内模式的研究数据受异常事件污染的局限,基于马尔科夫调制泊松过程,构建了交易量分离模型,该模型可分离交易量中的异常交易量。进一步以交易量为流动性深度的代理指标,研究了中国股市的流动性深度日内模式。研究发现:异常交易量确实对我国股市的深度日内模式有影响;由于对信息的敏感程度不同,不同规模股票的深度日内模式不同,对信息敏感的中、小市值股票具有W型模式,而对信息相对不敏感的大市值股票呈U型模式;由于不同市场走势下,投资者对市场信息的敏感程度不同,我国股市深度日内模式受市场走势的影响,牛市时,深度日内模式呈U型,而熊市时,深度日内模式呈W型。

用马尔可夫调制的泊松过程近似多分形突发流量研究(英文)

研究了用马尔可夫调制的泊松过程(MMPP)对Internet多分形流量突发行为进行近似建模的能力.MMPP可用于描述适当时间尺度范围内流量的变化以及相关性,而且它可作为排队系统输入过程得到分析结果.描述了刻画突发流量行为的重要统计量,在此基础上给出了一个基于矩的MMPP参数估计方法.除了对MMPP进行拟合优度检测以外,本文通过将MMPP的样本过程和实际流量记录输入到排队系统模型中比较其输出结果采研究MMPP对排队性能的预测能力.数值和仿真实验表明,MMPP能够较好地用于对多分形流量近似建模,即可以准确地预测网络结点的排队性能.

分层蜂窝Ad hoc混合网络的建模与性能分析

以移动设备同时支持蜂窝和基于IEEE 802.11的网络接口为前提,提出1种分层蜂窝混合网络结构(HCA),它融合了分层蜂窝结构(HCS)和移动Ad hoc网(MANET),移动用户根据情况(速度和与基站间距离等)选择直接接入分层蜂窝的下层小区(微小区)、上层小区(宏小区)或以Ad hoc模式接入上层小区。随后利用Markov模型对此混合网络性能进行分析,仿真结果显示,此网络能够提高系统容量,平衡小区业务分布,从而降低呼叫阻塞率和被迫中断率。

非泊松工件流CSPS系统的Q学习算法适用性仿真研究

研究工件非泊松到达情况下,传送带给料加工站(CSPS)系统无法建立成半马尔可夫决策过程(SMDP)模型时, Q学习算法的适用性问题.首先,以马尔可夫调制泊松过程(MMPP)和半马尔可夫调制泊松过程(SMMPP)来模拟非泊松工件流,并在相同的平均到达率下,仿真评估其Q学习算法性能,并分别与泊松工件流情况下的Q学习算法性能进行比较:其次,在非泊松工件流情况下,观测以实时统计平均到达率作为工件标准泊松到达率的理论优化情况:最后讨论在MMPP和SMMPP叠加混合非泊松工件流情况下CSPS系统的Q学习算法性能.实验表明,在工件非泊松到达情况下Q学习算法依然能学到较好的控制策略,从而说明了CSPS系统中Q学习算法的适用性.

马尔科夫调制泊松点过程的熵率和相互信息率

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.

基于随机网络演算的物联网业务流量建模与分析方法

物联网环境下的业务流和传统互联网中的业务流的特性差异显著,因此有必要研究新的物联网业务模型并对其进行性能分析。文中首先将物联网中机器与机器(M2M)业务流在回程网中的传输过程抽象为多节点串联模型,然后利用耦合马尔可夫调制泊松过程(CMMPP)对M2M业务流进行建模,体现M2M业务流在空间和时间上的相关性。接着运用随机网络演算理论推导该模型的到达曲线,并分析了网络传输业务流的服务曲线,得出M2M业务流的端到端时延边界,最后通过数值分析验证了结果的正确性。

语音信息两类业务流模型的分析

针对语音信息在分组交换网上的传输特性,分析了现代通信网中两类业务流模型:Markov调制 Poisson过程(MMPP)模型和流体流动模型的基本原理、特点及其适用于描述业务流的类型. 并对MMPP(2)/M/1 系统的排队性能和流体流动模型的建模机理进行了分析.从而为语音传输系统的仿真模拟及传输网络的管理奠定了基础.

带状态依赖标值的马尔科夫调制泊松过程的熵率和相互信息率

导出了带状态依赖标值的马尔科夫调制泊松点过程的熵率和相互信息率.模拟研究显示MLE的精度和效与隐马尔科夫过程的相互信息率有关.

空竭服务单重休假的MMPP(2)/G/1植物病虫害防治系统的效能

研究了空竭服务、单重休假的MMPP(2)/G/1植物病虫害防治系统模型的效能,并利用排队论及随机运筹学的有关知识,在模型的条件与假设下给出了模型的平稳条件、平均忙期长度,以及在忙期内防治完的害虫数等性能指标.

基于令牌桶阵列的DDoS流量过滤

为了提高分布式拒绝服务攻击(DDoS)流量过滤的性能,同时保证过滤的正确率,提出一种基于Poisson流随机分解模型的分类方法。该方法根据报文特征对流量进行分解后,基于2类流量的流速比随机判定报文的类别。设计了一个基于令牌桶阵列(TBA)的实现方案,不需要实时估计攻击流的参数,有效提高了过滤的性能。理论推导表明:Poisson流随机分解模型的理论错误率上限为最大后验概率判决法错误率上限的2倍,TBA在过滤突发性强的攻击报文时错误率会进一步下降。实验结果表明:TBA的过滤效果和NB(naive Bayes)方法相当,过滤突发性攻击流时错误率低于NB方法。