随机广义Cookie-cutter集上的随机紧测度的收敛性(英文)

首先构造了[0,T]上的随机广义cookie-cutter集KT.令Kn为构造KT中的第n级集合,并在Kn上定义记忆函数.基于这个记忆函数,定义了Kn上的随机概率测度φn(τ).令Ψn(.)=Eφn(.),其中Ψn为随机测度φn的紧测度.最后证明了序列Ψn是弱收敛的且有Ψ=limΨn.

随机广义集值隐拟补问题

引入和研究一类随机广义集值隐拟补问题,构造了一个逼近问题解的随机迭代算法.在一定条件下,我们证明了这类问题解的存在性以及由随机算法所产生的序列的收敛性.

随机广义集值隐变分不等式

引入并研究一类新的随机广义集值隐变分不等式，讨论这类随机广义集值隐变分不等式解的存在性以及由算法所产生的选代序列的收敛性．本文所得结果改进和发展了Ｎｏｏｒ等人近期的一些重要结果，即使在确定型的情形下也包含了这些结果作为特例．

随机广义集值隐补问题

提出一类随机广义集值隐补问题,在一定条件下,证明了其解的存在性及由相应算法得到的迭代序列的收敛性。所得结果改进和推广了G.Isac等人的一些重要结果。

广义随机系统的集值滤波

在具有控制输入和动态噪声与观测噪声相关的情况下,给出线性随机系统的集值滤波方程;利用矩阵分解和系统变换的技巧,得到广义随机系统的集值滤波方程.这种状态估计方法适用于初始状态均值位于一个凸集之中的随机系统.与传统K a lm an滤波产生单个条件分布不同,这里的集值滤波给出一个条件分布的凸集.

随机模糊映射的随机广义集值非线性混合变分包含(英文)

引入和研究了一新的随机模糊映射的随机广义集值非线性混合变分包含,并构造了新的逼近此变分包含随机解的随机迭代算法.利用广义单调映象的近似映射技巧,进一步讨论了随机模糊映射的随机广义集值非线性混合变分包含随机解的存在性及由此随机迭代算法生成的随机迭代序列的收敛性,所得结果推广与改进了文献中的一些相应的主要结果.

随机广义集值强非线性拟变分不等式

引入并研究一类新的随机广义集值强非线性拟变分不等式问题，讨论这类问题解的存在性以及由算法所构造的随机迭代序列的收敛性。所得结果改进和发展了Ｎｏｏｒ，ｓｉｄｄｉｑｉ和Ａｎｓａｒｉ等人近期的一些主要结果。

基于广义随机Petri网的装配可靠性建模

为了在装配环节保障产品的可靠性,提出可靠性驱动的装配技术的概念,并用广义随机Petri网对该技术进行了建模,通过同构的Markov链对模型进行定量分析。在可靠性驱动的装配技术建模分析中,采用结构分析和设计技术对产品进行功能分析并建立起完整的功能分析模型;将功能分析的结构分析和设计技术模型转化为相应的具有动态分析和定量研究能力的广义随机Petri网模型;为获得可信准确的分析模型,利用三角模糊数中的α-截集对同构的Markov链进行优化;针对装配产品的可靠性特征,用装配可靠度指标对产品进行评价。以某加工中心的分度工作台为例,验证了该建模与分析方法的有效性。

N指标d维广义Wiener过程极集的性质

研究了Ｎ指标ｄ维广义Ｗｉｅｎｅｒ过程极集的性质，得到了其极性的必要条件．

一种处理非平衡数据集的优化随机森林分类方法

利用传统随机森林(random forest,RF)模型进行分类时存在分类精度受不平衡样本集的影响,以及投票平局现象会导致算法停滞等问题.本文对RF模型进行了优化改进,首先随机抽取等量的少数类与多数类样本构建训练样本集进行RF建模,然后根据投票熵与基于样本特征参数的广义欧几里得距离逐步添加具有最大投票熵的样本到训练样本集,解决传统RF模型随机抽取样本时训练样本集中包含不同类别样本数不平衡问题.对于分类过程中可能出现投票结果的平局现象,利用测试样本与邻近训练样本的广义欧几里得距离决定其分类结果,以消除投票平局现象造成的停滞问题.实验结果表明,本文优化RF模型对于非平衡数据集的分类可以取得较好的分类结果.

基于指令集随机化的抗代码注入攻击方法

代码注入攻击是应用程序面临的一种主要安全威胁,尤其是Web应用程序,该种攻击源于攻击者能够利用应用程序存在的漏洞/后门,向服务器端注入恶意程序并执行,或者利用应用程序对用户输入的参数缺乏验证和过滤,造成输入作为恶意程序执行,从而达到攻击目的。源程序分析和输入规则匹配等现有防御方法在面对代码注入攻击时都存在着固有缺陷,为了提高Web应用程序对于代码注入攻击的防御性,提出一种基于指令集随机化的抗代码注入方法,该防御方法不依赖于攻击者采用何种攻击方式,能够抵御未知的代码注入攻击。基于该技术及动态、冗余构造方法,设计一套原型系统,采用广义随机Petri网(Generalized Stochastic Petri Net,GSPN)建模计算,攻击者即使在获得随机化方法先验知识的情况下也极难突破系统的防御机制。尽管该方法需要对应用程序源代码进行随机化变换,但处理过程是完全自动化和具有普适性的,通过实验和现网测试表明该方法能够有效抵御大部分代码注入攻击,实现了对攻击的主动防御。

一类周期为pq阶为2的Whiteman广义分圆序列研究

线性复杂度是度量序列随机性质最重要的指标之一。该文基于Whiteman-广义分圆,构造了一类周期为pq阶为2的广义分圆序列。证明了适当的选取参数p和q,该类序列的线性复杂度的下界为pq-p-q+1,且该类序列为平衡序列。最后指出了准确计算该序列的线性复杂度所必须解决的问题。

基于软交换的集群媒体服务器高可用性系统建模与分析

在研究基于软交换的集群媒体服务器的系统结构基础上,提出了一个高可用性系统方案。利用广义随机Petri网理论对高可用性方案进行了建模和仿真实验。实验结果表明,该方案可以显著提高系统的可用性,是一个有效方案。基于可用性模型分析了系统修复速率、请求处理机数量、以及请求处理机故障特征对集群可用性的影响,分析结论对基于软交换的集群媒体服务器的可用性设计具有重要参考价值。

自适应目标新生δ广义标签多伯努利滤波算法

针对传统广义标签多伯努利滤波算法因需已知新生目标状态分布信息而导致在实际场景中估计精度下降的问题,提出一种新的自适应目标新生δ广义标签多伯努利算法。该算法以广义标签多伯努利滤波器为基础,利用上一时刻接收到的量测信息反推当前时刻新生目标的存活概率和状态信息,并给出其标签伯努利随机集的参数表示。仿真结果表明,所提算法对于未知新生目标先验信息的复杂运动场景具有较强的多目标跟踪鲁棒性,且跟踪精度以及时间耗费均优于传统广义标签多伯努利滤波器。

复多值函数动力系统的广义M-J分形图

在研究一般复幂函数f(z)=z+c的动力系统分形图的结构时，针对在其构造其动力系统分形图时，无法确定其符合Mandelbrot集定义的迭代初始点zo而无法得到严格意义下的Mandelbrot集分形图的问题，提出一种研究动力系统性质的方法。即构造由这些多值函数各分枝组成的随机复迭代动力系统的广义Mandelbrot集与广义Julia集。

关于图值随机元序列的强极限定理

本文研究在局部连通图中取值的随机元的r-阶均值集、r-阶广义样本均值集的基本性质及其极限性质.利用关于随机元的分离引理以及随机游动的常返性,得到了关于图值随机元序列广义强大数定理.推广了已有的结果.

箱粒子广义标签多伯努利滤波的目标跟踪算法

针对序列蒙特卡罗广义标签多伯努利滤波(SMC-GLMB)算法计算效率低、实时性差的问题,提出了箱粒子广义标签多伯努利滤波的目标跟踪(Box-GLMB)算法。该算法使用带标签的随机有限集描述多目标的状态,包括目标的位置和速度,并且对每个目标用互不相同的标签进行区分;然后利用箱粒子滤波算法近似单目标状态的概率密度,即用一组带权值的均匀分布拟合单目标状态概率密度;最后通过广义标签多伯努利滤波对多目标状态的概率密度进行预测与更新,从多目标状态后验概率密度中估计单目标的位置与速度,根据目标的标签可以实现航迹跟踪。BoxGLMB算法结合了箱粒子滤波与GLMB算法的优势,能够跟踪目标航迹,同时提高计算效率。仿真结果表明,Box-GLMB算法可以有效估计目标状态以及跟踪目标航迹,相比于SMC-GLMB算法,计算效率提升了62%。

基于广义标签多伯努利滤波的可分辨群目标跟踪算法

针对杂波条件下可分辨群目标的状态估计、目标个数与子群个数估计问题,提出了一种基于标签随机有限集(Label random finite set,L-RFS)框架下的可分辨群目标跟踪算法,该算法主要包括两个方面:可分辨多群目标动态建模和多群目标的跟踪估计.本文工作主要包括:1)结合图论中的邻接矩阵对可分辨群目标运动进行动态建模.2)利用基于L-RFS的广义标签多伯努利滤波(Generalizes label multi-Bernoulli,GLMB)算法对目标的状态和个数进行估计,并且通过估计邻接矩阵得到群的结构和个数估计.3)通过个数不同、结构不同的三个子群目标在二维平面分别做线性和非线性运动进行算法验证.仿真分析表明本文算法能够准确估计出群目标中各目标的状态、个数以及子群的个数,并且能获得目标的航迹估计.

闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器

为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题,提出一种鲁棒广义标签多伯努利(Generalized Labeled Multi⁃Bernoulli,GLMB)滤波器.该滤波器采用均值未知且时变的多维Student’s t分布对统计特性未知的闪烁噪声进行建模.它放宽了闪烁噪声均值为零的限制性假设,可以自适应地处理闪烁噪声均值未知且时变条件下的多目标跟踪问题.本文在GLMB滤波框架下,利用变分贝叶斯方法对增广状态中的参数进行变分迭代,并通过最小化Kullback⁃Leibler散度得到边缘似然函数的近似解.仿真结果表明,在闪烁噪声统计特性未知的情况下,所提滤波器能有效地对多目标进行跟踪.

基于交互多模型的分组δ-广义标签多伯努利算法

为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。