基于马尔科夫模型的双站激光微波混合链路性能分析

针对气象变化对自由空间光(Free Space Optical,FSO)通信链路和毫米波射频(Radio Frequency,RF)通信链路可用率的影响问题,采用马尔科夫建模与稳态概率求解计算方法,分析不同天气条件下FSO/RF混合链路的双接收站分集与中断概率性能.基于FSO链路和RF链路的信道模型,采用有限状态马尔科夫链(Finite State Markov Chain,FSMC)分别对单双站FSO/RF混合链路的切换选择进行建模,推导得出不同参数和天气情况下系统稳态的中断概率表达式.数值计算结果表明,当中断概率达到10^(-6),雨雾天气链路距离为1~7 km时,双站FSO/RF混合链路相比单站可获得4~25 dB的增益.

基于混合Markov模型的ETC收费数据挖掘研究

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.

基于多状态空间混合Markov链的风电功率概率预测

现有风电功率预测方法只提供功率的单点预测值,但在电力市场的决策过程中却需要更多的信息。文中提出一种基于离散时间Markov链理论的新功率预测模型。针对功率数据的无规律性,采用等分法划分了4种状态空间,并对每种状态空间都建立1阶和2步混合Markov模型,模型权重系数采用加速遗传算法求解。该模型直接对风电功率数据进行数值分析,有效避免通过风速预测再转换为功率时带来的误差累积。给出4种混合模型和最新的评价误差公式。分析和算例表明,N为102时混合模型预测精度高于持续法模型,并给出了单点预测值和概率分布值。

基于混合Markov模型的用户浏览预测

建立有效的用户浏览预测模型,准确的预测用户的浏览路径,是开发各种Web站点导航工具的关键。传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点。通过对传统Markov模型的扩展,并研究了群体用户在Web上的浏览特性,采用了基于混合Markov模型的用户群兴趣导航发现方法。实验结果表明,该方法比传统Markov模型更准确的反映了用户的访问兴趣,可以获得更高的预测准确率与覆盖率,以及有效地降低存储复杂度。

Markov链与Q-Learning算法的超轻度混动汽车模型预测控制

为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略。采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消耗最小与动力电池荷电状态(SOC)局部平衡为目标函数,建立能量管理策略优化模型;采用Q-Learning算法对预测时域内的优化问题进行求解,得到最优转矩分配序列。基于MATLAB/Simulink平台,对于ECE_EUDC+UDDS循环工况进行仿真分析。结果表明:采用Q-Learning求解的控制策略比基于动态规划(DP)求解的控制策略,在保证燃油经济性基本保持一致的前提下,仿真时间缩短了4 s,明显地提高了运行效率,实时性更好。

基于马尔可夫过程的实时物流VRP建模与求解

在随机车流量环境下,为了有效提高服务质量和减少总运输时间,本文在引入满意度和车流量双指标条件下构建了一种基于马尔可夫过程,以及用于权衡总运输时间和服务惩罚成本的物流服务问题模型。鉴于问题的复杂性,本文设计了一种混合遗传算法对其进行求解,其中基于提高服务质量的局部搜索策略兼顾了车辆总运输时间与客户满意度,使得算法能够在有效空间里进行搜索。为了验证模型和算法的有效性,本文在Solomon数据集的56个测试样例上进行了实验。结果表明,在样例优化服务质量上,所提混合遗传算法在其中28个样例上达到了100%满意评价,较标准遗传算法提高了29%,同时实现了最低总成本目标。

混合Markov与Bayes的客户欠费预测模型

为有效规避客户欠逃费和实现差异化处置,针对具有长期定时付费特征的后付费类服务,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置.首先,基于其付费特点,建立k序马尔科夫模型,计算客户的初始欠费概率;然后,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;最后,基于实际数据进行实证分析,验证了该模型的有效性.

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.

基于多状态Markov模型和逆最优理论的HVDC附加控制器

高压直流输电(HVDC)的附加控制器可以显著改善交直流混联系统的稳定性,但电力系统在随机大扰动下呈现出连续时间动态和离散事件相互作用的混杂特性,使得基于系统固定工况的传统建模方法无法全面描述系统的运行状态。针对此问题,提出了一种基于多状态Markov模型和逆最优理论的HVDC附加控制器。首先建立了多区域交直流混联系统的多状态Markov模型,在此基础上,提出了交直流混联Markov系统的逆最优反推控制策略,该策略将非线性系统最优控制问题转化为渐近稳定控制律的求解问题,不仅能够确保随机扰动下系统的鲁棒稳定性,还解决了具有非线性特性的系统全局优化问题,同时也避免了求解HJI偏微分方程,使控制策略易于工程实现。在选择控制参数时,以设备停运率替代Markov系统的状态转移率,因而可在满足系统多状态特性的同时,避免由于实际系统运行方式的复杂性给控制策略的实现带来的困难。仿真结果表明,与传统的控制器相比,所提的HVDC附加控制器能显著提高交直流混联系统的暂态稳定性。

发电过程孪生模型在线演化方法研究

随着机器学习和深度学习的成熟,数据驱动模型得到了快速发展,过程模型的精度也得到了显著提高。目前,模型性能评价已经不再局限于模型精度,模型的泛化、演化等能力也成为重要的衡量指标,尤其体现在数字孪生的建模研究中。数字孪生建模不仅要求模型能够逼真地再现物理实体,而且还要求模型随着物理实体的变化而演化。这就要求数字孪生模型能在保证精度的同时,还具备在线演化的特点。基于串联混合模型建立离线局部模型库,构建了马尔可夫模型,设计了马尔可夫模型与局部模型结合的两层演化模型。利用马尔可夫模型对运行状态进行预测,应用RBF神经网络实现串联混合模型中数据驱动子模型过渡参数的演变,从而达到孪生模型整体演化的目的。最后,建立了空预器换热过程的孪生模型,并进行仿真验证,证明了所提方法的有效性。

基于改进有效信噪比的混合自动重传请求算法

针对AOS系统中传统的混合自动重传请求算法在传输过程中难以同时兼顾数据传输的误码率和传输效益的问题,提出一种基于改进有效信噪比的混合自动重传请求算法。在基于有效信噪比的自动重传请求的基础上,采用长短期记忆网络和隐马尔科夫组成的混合模型预测有效信噪比的变化。根据不同时刻有效信噪比的变化关系动态调节汉明码的监督元数量,实现保证系统误码率的同时提升系统的吞吐率。仿真结果表明,该算法与传统II型混和自动重传请求算法和基于有效信噪比的混和自动重传请求算法相比,能够明显降低误码率,减少重传次数,提升系统的吞吐率。

基于隐藏半马尔可夫模型的传感器状态感知研究

当前,传感器的高误检率和接线故障导致的检定不合格问题,影响了检定效率。为解决这一问题,该研究提出了一种针对IO-Link传感器的状态感知模型,旨在有效应对传感器的高误检率和组件故障问题。首先,构建混合冗余IO-Link传感器容错系统模型与传感器故障诊断和隔离的误检率数学表达式。随后,基于隐藏半马尔可夫模型,提出用于检测传感器状态的随机过程评价模型。最后,通过模拟测试验证所提出模型的有效性。在检测阈值为5%的情况下,所提出的传感器状态感知评价模型没有出现误报,并且实现了100%的状态检测准确度。因此,该研究不仅可为IO-Link传感器状态感知提供解决方案,还能为提高检定效率和确保检定合格性提供理论支持和实际应用基础。

混合马尔科夫预测模型及其在反洗钱中的应用研究

反洗钱中的一个重要问题是预测可疑账户未来可能发生的交易。马尔科夫模型在股票、商品价格、市场占有率等经济领域的预测中具有广泛的应用,但单一的马尔科夫模型的预测准确性有待提高。提出一种结合数据挖掘中聚类、关联规则和低序马尔科夫模型的混合马尔科夫模型,并在模型的建立过程中基于置信度进行剪枝以降低时间复杂度,最后将该模型用于预测反洗钱领域中账户之间的交易。实验表明,该模型具有较高的预测准确性,并在预测准确性和时间复杂度两者之间取得了较好的平衡。

基于HMM-SVM的驾驶员换道意图辨识研究

为了提高驾驶员换道意图的辨识率,提出了一种基于隐马尔可夫模型(HMM)和支持向量机(SVM)的混合模型。通过驾驶员在环仿真实验平台采集1.2 s时间窗内的驾驶员方向盘转角、油门踏板操作信息,匹配时序性良好的各个HMM模型(紧急左换道、正常左换道、紧急右换道、正常右换道和车道保持五种HMM模型)。然后结合各个HMM模型输出的最大似然估计值,由SVM进行分类,从而辨识出驾驶员当前的换道意图。仿真结果表明:相比单独的HMM或SVM,该混合模型能够更准确地辨识驾驶员的换道意图,辨识率高达98%,且耗时仅需0.006 s,具有较好的实时性。

一种新的预测用户浏览模式的度量方法

在Web环境中,度量用户的浏览模式对Web站点结构的改进是有益的。挖掘和度量Web日志能够识别用户的访问模式模型,Web站点管理者能够应用这些模型研究用户的访问偏爱度,由此改进站点的体系结构以及分析这些改进带来的影响。因此,提出用户群偏爱度这样一个新概念,并使用了基于用户群的模糊聚类算法(UGFC),然后根据聚类结果,即具有相似访问习惯的用户群体,度量用户群偏爱度,再基于用户群偏爱度,利用混合阶Markov模型(HOMM)进行预测。实验表明,这种新的度量预测方法(UGFC-HOMM)比传统Markov模型(TMM)预测更准确,并且实验用精确率、覆盖率和运行时间这3个度量评价值对预测性能进行评估。

带有组间切换的认知无线网络混合式信道分配策略及性能研究

针对认知无线网络中的非实时通信业务,综合使用随机退避方式和控制中心调度方式,考虑两组授权信道,提出一种带有组间切换机制的混合式信道分配策略。基于认知用户数据分组数量及两组授权信道上分别传输的授权用户数据分组数量,建立三维Markov模型,导出认知用户的阻塞率、数据丢失率及平均延迟等性能指标表达式。数值实验和系统仿真的结果表明,随着退避时间的变化,不同性能指标间存在一定的折衷关系,通过选取最低的系统成本,给出退避参数的优化设置方案。

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.

参数化混合口令猜测方法

基于文本口令的认证方法仍是当前用户身份认证的主流方式.为更好地研究口令安全性,研究人员提出了多种数据驱动的口令猜测方法,如概率上下文无关文法(probabilistic context-free grammars,PCFG)和马尔可夫(Markov)方法等.这些方法在猜测口令时有其独特的猜测优势,即能够以更小的猜测数猜中特定类型的口令.为充分利用这些优势以实现更优的猜测效率,提出了一个通用的参数化混合猜测框架.该框架由模型剪枝方法和理论证明最优的猜测数分配策略构成,能够混合不同数据驱动方法的猜测优势以生成更高效的猜测集.为了验证框架的通用性和最优性,通过分析并混合现有数据驱动猜测方法的不同优势,基于该框架设计了多个混合多元模型的参数化混合猜测方法(统称为hyPassGu)用于猜测实践.并且,还利用从真实网站泄露的4个大规模口令数据集(总共超过1.5亿条口令)对这些混合猜测方法进行了评估实验.实验结果表明,由不同方法组合构建的hyPassGu均表现出超越单一方法的猜测效率,且在10^(10)猜测数下超越了单一方法最优效率的1.52%~35.49%.此外,不同猜测数下的对比实验结果表明,提出的最优分配策略的猜测表现稳定,优于平均分配策略和随机分配策略,并在分布离散程度最大的口令数据集上有16.87%的相对提升,同时更多元的混合方法整体上也表现出更好的猜测效率.

一种改进的HMM/RBF情感语音识别方法

针对隐马尔科夫模型和径向基神经网络识别语音情感的缺陷,提出了一种新的基于两者的混合模型识别方法.将神经预测器引入隐马尔科夫模型计算状态观察概率,使得隐马尔科夫模型能有效利用语音帧间信息,同时又利用状态累计概率输入径向基神经网络分类,避免特征向量时间规整的麻烦.选取高兴、愤怒、悲伤、惊奇、平静五类情感,以平静情感为参照求取特征向量进行实验,结果表明,相对于单一隐马尔科夫模型和常用混合模型方法,该混合模型识别性能有明显改善,并且加入噪声后的识别效果仍然较好.

基于随机动态规划的混联式混合动力汽车能量管理策略

为通过随机动态规划确定混联式混合动力汽车的能量管理策略,建立了其动力系统方程和功率需求的马尔可夫模型,在维持电池容量的同时以燃油消耗最小为目标,通过随机动态规划过程,获得能量管理策略,并在线实施。仿真结果表明,采用基于随机动态规划的能量管理策略时,燃油经济性略逊于基于动态规划的策略,是一种全局次优的策略,但其电池容量变化较平缓,有利于对电池的保护。