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。

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。

考虑软件运行的软-硬件退化系统剩余寿命估计

针对软-硬件系统级剩余寿命估计难题,传统的研究方法都是单独考虑了软件可靠性或硬件可靠性,而忽略了软件与硬件之间的交互影响。文中基于硬件性能退化过程提出了一种将软件的使用或运行看作是系统的一种外部冲击的新方法。该方法通过硬件性能退化指标来表征软件运行对系统的影响,主要采用离散隐Markov过程来描述两者之间的关系。具体地,对信号数据采用信号分解与特征提取技术得到性能退化指标,运用隐Markov模型构建隐含状态与实际退化之间的对应关系。根据在不同软件运行条件下系统性能退化指标样本中的拐点个数,对同一硬件退化过程分段构建不同的退化模型,使模型更加精确地描述退化过程。采用随机仿真技术与优化技术对硬件剩余寿命进行估计,根据系统体系结构估计软-硬件系统的剩余寿命。利用某武器装备系统的性能监测数据,将所提算法与传统系统级剩余寿命估计模型(BP神经网络)进行对比,证明了所提算法具有较高的估计精度。