基于连续隐Markov模型的发酵过程关键状态变量软测量

针对生物发酵过程中一些关键状态变量难以用仪表进行在线检测的问题,提出了一种基于连续隐Markov模型(CHMM)的软测量方法.首先,为增加模型预测的鲁棒性,采用多观测样本序列训练CHMM模型库,运用Baum-Welch参数重估修正公式实现CHMM参数优化;然后,将新样本观测向量输入训练好的CHMM模型库,并基于Viterbi算法计算新样本在模型库中各个CHMM内的输出概率;最后,通过加权平均运算得出软测量结果.将所提出的方法应用于红霉素发酵过程菌体质量浓度软测量,并进行了建模与仿真研究.结果表明:所建CHMM软测量模型能够很好地用于生物发酵过程菌体质量浓度值预测,且预测效果优于人工神经网络软测量模型.

基于离散Markov决策过程的发电公司多阶段决策

采用离散时间Markov决策过程(DTMDP)对以多阶段总利润最优为目标的发电公司决策问题进行研究.市场环境下,发电公司根据自身条件,其竞争策略可以是价格的接受者,也可以是价格的制定者.考虑了发电公司不同策略情况下市场均衡状态间的转换概率,分别给出了发电公司作为价格接受者和价格制定者时的多阶段决策模型.通过算例验证了所提模型的有效性和可行性.

基于隐Markov过程的网络信任评估模型

为了快速精确地刻画实体行为的高动态性,提出一种基于连续时间隐Markov过程的信任评估模型。不同于离散时间隐Markov信任模型,该模型充分考虑到信任的时间相关性,结合交互记录之间的时间间隔,将实体信任评估问题归结为连续时间隐Markov过程的学习问题。进而利用改进的和声搜索算法,给出求解隐Markov过程最佳参数的算法,该算法有效地保证了全局搜索空间,能够获得更好的解。在此基础上,利用已有交互结果序列和最优参数组,对实体的信任度进行预测。仿真实验表明,该模型能够快速地反映出实体行为的动态性,具有较高的精确度,且能抵抗部分恶意攻击。

基于Markov决策过程的离散过程风险度量

针对静态风险度量方法无法实现多阶段投资风险度量需要的缺陷,根据动态风险度量过程的特点,提出时间持续性概念以及推论,通过简单算例证明目前静态风险度量方法VaR、CVaR和ES由于不满足时间持续性而无法实现多阶段风险度量的不合理现状,建立基于离散时间状态和Markov决策过程的多阶段风险度量.

Markov控制过程基于单个样本轨道的在线优化算法

在Markov性能势理论基础上 ,研究了Markov控制过程的性能优化算法 .不同于传统的基于计算的方法 ,文中的算法是根据单个样本轨道的仿真来估计性能指标关于策略参数的梯度 ,以寻找最优 (或次优 )随机平稳策略 .由于可根据不同实际系统的特征来选择适当的算法参数 ,因此它能满足不同实际工程系统在线优化的需要 .最后简要分析了这些算法在一个无限长的样本轨道上以概率 1的收敛性 ,并给出了一个三 状态受控Markov过程的数值实例 .

基于人工免疫算法的离散隐马尔科夫故障诊断模型优化

目的解决离散隐马尔科夫模型在行星齿轮箱故障诊断中的自适应性和泛化性问题。方法建立人工免疫优化模型,将包含易被误判样本的多样本集作为抗原,以其正确识别率为适应度函数,不断对初始观测矩阵进行增殖、变异和选择,获得识别率最高时的初始观测矩阵,利用人工免疫算法对隐马尔科夫故障诊断模型的初始观测矩阵进行优化。结果将该方法应用于行星齿轮箱的故障诊断中,通过不同工况下的对比试验、单样本和多样本优化对比试验,验证了优化后的隐马尔科夫故障诊断模型的诊断效果。结论优化后的隐马尔科夫故障诊断模型具有更好的适应性,诊断精度显著提高。

Gauss-Markov载体下扩频隐写的抗检测性能分析

为了研究载体数据相关性等对数字隐写安全性的影响,使用Gauss-Markov过程建模载体求解了扩频隐写系统的Kullback-Leibler divergence(KL散度)。首先,建立了以KL散度为度量标准的隐写系统安全性能分析框架;然后,选择Gauss-Markov过程建模载体,得到了扩频隐写系统的KL散度计算公式;分析相关系数、嵌入噪声相对强度、可用数据总数等参数对KL散度的影响,发现载体数据相关性越强,嵌入噪声强度越大,以及相同数据使用率下,载体可用数据总数越大,隐写系统抗检测性能越差。以图像为载体的实验结果验证了该方法的正确性。

隐Markov决策模型

讨论Markov决策问题中样本与不可观测状态之间的关系问题。引进了避错特征函数的概念 ,利用隐Markov过程的结构和Markov决策模型建立了隐Markov决策模型。并进一步讨论了状态估计和阶段收益函数。

关于Markov过程的强大数定律

本文研究一般马氏过程的强大数定律．

无限隐Markov模型理论及仿真研究

论述了传统隐Markov模型的理论及其存在的不足,并在此基础之上,阐明了无限隐Markov模型的理论及算法。在i HMM中,首先,从Dirichlet过程进行状态间转移概率的计算推导。然后,使用分层Dirichlet过程进行隐状态状态机制和生成机制的推理。其次,对模型超越参数的推理、优化和似然估计。还通过仿真实例对i HMM推理算法进行了验证,仿真结果表明i HMM具有很好的状态数目发掘能力,能够准确反映状态序列的结构特征。

改进的Markov和联合密度特征的MP3隐写分析方法

提出了一种MDCT(修正的离散余弦变换)域的MP3隐写分析方法。该方法通过改进的Markov特征集和联合密度特征集提取出MDCT系数的特征,经过方差分析选择有效的特征用于支持向量机(SVM)的训练与检测。实验结果表明,与以往方法相比提高了对MP3Stego的检测率,能有效地检测常见的MDCT系数修改的MP3信息隐藏方法。

旋转机械升降速过程的双谱-FHMM识别方法

结合双谱和因子隐 Markov模型 ,提出了一种基于双谱的特征提取建立机组各状态相应的因子隐 Markov模型状态识别法 ,并成功地应用到旋转机械升降速过程的故障诊断中 ,同时还与基于双谱的特征提取的 HMM状态识别法进行了比较 ,实验结果表明该方法是有效的。

黑河流域水资源动态变化及其趋势的灰色Markov链预测

根据有关水文气象台站的观测数据,对黑河流域水资源时空分布特征及变化规律进行了分析,并基于GM(1,1)模型和Markov链原理,提出了一个用于黑河流域的水资源变化趋势预测的灰色离散随机过程模型。结果表明,从1944年有观测记录以来的近60a时间里,以黑河干流为代表的黑河流域天然径流经历了几个长度不等的丰水段与枯水段,而目前正处于1996年开始第5个丰水段的下降段的最低点或自2000年开始的第6个枯水段的起始点。未来几年里,黑河流域天然水资源的变化总体上将呈现一种偏枯或平水偏枯的状态,但径流偏枯的幅度将不会很大。

龙羊峡水库年入库径流的Markov预测模型

Markov预测技术是应用 Markov链的相关预测的基本原理与方法来研究分析时间序列的变化规律 ,并预测其未来变化趋势的一种预报方法 ,适用于随机波动较大的预报问题。根据 Markov链原理 ,提出了一个用于龙羊峡水库年平均入库径流预报的离散随机过程模型。实测资料的验证结果表明 ,这种模型计算精度较高 。

转子启动过程HMM故障诊断方法研究

如果转子机械系统存在潜在的缺陷,那么在转子启动过程的振动信号中就会出现异常现象.因此研究转子启动过程的故障诊断方法对于选择合理的应变措施是至关重要的.该过程的故障可以看作是若干主变量依赖于时间的动态模式.隐Markov模型(HMM)已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一,它可以使用一个隐变量来模拟系统的动态行为的变化.实验证明,HMM可以对转子启动过程的故障进行有效的模拟诊断.

可逆的时齐markov链——时间离散情形

马氏过程的可逆性定义,出于物理考虑。在一定条件下,马氏过程要趋于平稳。在统计物理中,感兴趣的不仅是平稳,而且是细致平稳——这时的物理过程是微观可逆的。著名的 Onsager 对易关系,实质上要假定过程的微观可逆性。据此。

大型旋转机械升降速过程故障诊断HMM方法研究

由于大型旋转机械升降速过程产生振动的复杂多样性，对其进行监测能获得较平稳的运行及更多的机组状态信息，并能更早地获知机组运行状态。本文将隐Ｍ ａｒｋｏｖ 模型（Ｈｉｄｄｅｎ Ｍ ａｒｋｏｖ Ｍ ｏｄｅｌｓ，简称ＨＭＭ ）引入大型旋转机械升降速过程故障诊断的研究中，利用ＨＭＭ 刻划升降速过程中的振动变化特征。实验证明应用ＨＭＭ 能较好、较早地达到机组故障诊断目的。

有优先权两部件离散时间温贮备可修系统

在开关完全可靠的情况下,研究由两个不同型、有优先权的部件和一个修理设备组成的温贮备系统,建立在部件工作寿命和修理时间均服从几何分布的可修模型,并利用Markov过程、母函数、LS变换推导出该模型的一些可靠性指标——系统的稳态可用度及系统的首次故障前平均工作时间.

离散时间单重休假冷储备系统的可靠性分析

利用离散向量Markov过程方法研究了离散时间单重休假两同型部件冷储备可修系统。在部件寿命服从几何分布,修理时间和修理工休假时间服从一般离散型概率分布的假定下,引入修理时间和休假时间尾概率,求得了系统的稳态可用度、稳态故障频度、待修概率、修理工空闲概率和休假概率,以及首次故障前平均时间等可靠性指标。

旋转机械升降速过程BSI-FHMM识别方法的研究

结合时序模型的盲辨识和因子隐 Markov模型 ,提出了基于时序模型盲辨识的特征提取方法建立机组各状态相应的 FHMM识别法 ,成功地应用到旋转机械升降速过程的故障诊断中 ,实验结果表明 。