基于马尔可夫链蒙特卡罗采样的双密钥盲水印算法

为了更好地提高水印算法的安全性,提出了一种基于两种形式密钥的强鲁棒盲水印算法。首先对水印加密,然后将每块载体的第一个奇异值组成矩阵Q再分块离散小波变换(DWT)获得四个子带,通过对四个子带进行马尔可夫链蒙特卡罗(MCMC)采样决定第k个水印位量化嵌入到矩阵Q的第k块低频、水平、垂直和高频子带中的一个并记录当前嵌入子带的密钥位,这样做不仅使水印位随机分配,而且提高了水印算法的安全性。实验结果表明,所提算法在满足不可见性的条件下,不仅对常规的图像攻击具备较强的鲁棒性,而且在水印嵌入过程中通过MCMC采样实现了用不同的密钥嵌入,提高了水印算法的安全性。

基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法

孤岛状况是造成混合储能微网下垂的主要因素,为使混合储能微网正常运行,提出基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法。使用马尔可夫蒙特卡罗算法对缺失光伏数据进行填补。依据填补后的微网光伏数据计算微网自身荷电状态,并依据该荷电状态数值建立混合储能微网超级电容和蓄电池功率控制模型,实现孤岛模式混合储能微网下垂平坦控制。结果表明:所提方法填补光伏数据时的效率高于0.99,具备良好的下垂平坦控制能力。采用所提方法可对孤岛模式混合储能微网下垂进行良好控制,可有效保证混合储能微网的平稳运行,具有一定应用价值。

基于马尔可夫链蒙特卡罗方法的电力系统暂态稳定概率评估

研究了一种电力系统暂态稳定概率评估方法,提出了利用马尔可夫链蒙特卡罗方法模拟负荷水平,考虑随机序列之间的相关性;模拟过程中,提出以故障信息作为输入特征、基于AdaBoost-DT的暂态稳定评估方法。新英格兰39节点测试系统的仿真表明,本文提出的马尔可夫链蒙特卡罗方法比传统的蒙特卡罗方法更快速收敛,同时AdaBoost-DT大幅减少仿真时间,且能有效预测暂态稳定性。

马尔可夫链蒙特卡罗容积粒子滤波器

针对非线性、非高斯系统状态估计问题,提出了一种基于重要密度函数的改进粒子滤波器—马尔可夫链蒙特卡罗容积粒子滤波器。在状态转移概率的基础之上综合考虑了当前的量测信息,利用容积卡尔曼滤波对每个采样粒子进行估计,使得重要密度函数更加贴近于真实后验;同时为避免粒子贫乏,在重采样后加入马尔可夫链蒙特卡罗步骤。理论分析和实验仿真表明:马尔可夫链蒙特卡罗容积粒子滤波器的性能要优于容积粒子滤波器以及其他参照滤波器。

基于马尔可夫链蒙特卡罗的实时可靠性预测方法研究

针对一般的非线性性能退化轨道模型中误差项方差未知的情况,研究基于贝叶斯方法的实时性能退化可靠性预测问题。为了处理未知的误差项方差,引入相应的标准差的无信息先验分布,并进一步结合退化轨道模型中随机参数的先验分布,利用马尔可夫链蒙特卡罗方法得到随机参数及误差项标准差的联合后验分布的采样值,进而实时预测产品在未来一段时间内的可靠度。基于疲劳裂纹增长数据的数值仿真实验表明,该方法可以有效地预测到产品可靠性的下降,从而可以为预测维护提供依据。

基于马尔可夫链蒙特卡罗方法的统计过程调整技术研究

建立了统计过程调整问题模型,研究了基于马尔可夫链蒙特卡罗方法的统计过程调整技术,并通过吉布斯抽样实现了偏移量的参数估计。在参数未知及参数已知的条件下,通过与其他方法的实例对比研究,验证了该方法的可行性及性能优势,并对参数未知条件下基于该方法的统计过程调整技术进行了改进。

基于马尔可夫链蒙特卡罗方法的双边多议题协商模型

为了提高自动化双边多议题协商的成效,提出了建立贝叶斯后验模型,以协商历史数据为训练样本,学习对手的协商偏好,依据对手偏好制定双赢的协商反建议,进而提高协商成效。假设空间是复杂的多维连续函数,借助马尔可夫链蒙特卡罗方法对其进行抽样,提高了极大后验的计算速度。实验数据表明,新型协商模型能够提高协商效率,减少协商回合数,并提高协商总体效用。

马尔可夫链蒙特卡罗模拟在储层反演中的应用

马尔可夫链蒙特卡罗(MCMC)方法是一种基于全局最优化技术进行地质统计学求解的方法。综合考虑地震数据、测井数据、岩性数据,对波阻抗、岩性概率分布的马尔科夫链进行蒙特卡罗模拟,从初始模拟结果出发,利用MCMC算法,模拟出多个波阻抗曲线,通过合成地震记录与实际地震记录剖面相关性,确定合理的储层参数,反演出空间上的波阻抗体及岩性体。最重要的质控手段是抽井检验,以保证模型的稳定性。MCMC方法在大芦湖油田樊18-3区块沙三中、沙三下亚段浊积砂体储层预测中取得了良好的效果。

马尔可夫链—蒙特卡罗方法与人口学研究

本文概略介绍了用于粒子物理学研究的马尔可夫链-蒙特卡罗方法(MCMC)移植到人口学这个复杂系统研究的思想和方法,同时还介绍了马尔可夫链-蒙特卡罗方法在人口学应用中的重要工具和手段,如随机数、人口分布函数、人口样本的随机抽样和用马尔可夫链-蒙特卡罗方法进行人口仿真研究的简略过程及标题式介绍了用此方法做过的一些工作。

基于MS-ARCH模型马尔可夫链蒙特卡罗模拟方法的我国房地产价格波动特征实证分析

文章在检验房地产价格增长率序列结构变化特征的基础上,通过构建MS(3)-ARCH(1)模型分析我国房地产价格增长率的波动特征。实证结果表明,我国房地产价格增长率波动存在明显的三区制特征,在房地产价格增长率低位徘徊阶段,房价增长率的波动性最弱,在房地产价格增长率快速下降阶段,房地产价格增长率的波动性居中,在房地产价格增长率急速上升阶段,房地产价格增长率的波动性最强。我国房价增长率序列处于中波动状态的平均持续期最长,处于高波动状态的平均持续期最短。

基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度。最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。

马尔可夫链蒙特卡罗方法在保险定价中的应用

预测最终损失是保险定价中最重要的组成部分,而马尔可夫链蒙特卡罗方法(MCMC方法)在这方面拥有独特的优势。通过建立模型进行实证,为利用马尔可夫链蒙特卡罗方法进行保险定价提供了思路。

基于马尔可夫链蒙特卡罗算法的无线电定位

为实现在多媒体舞台剧中真实空间的目标与多媒体背景的虚拟空间元素间的互动,进行无线电测向定位建模,利用马尔可夫链蒙特卡罗算法进行仿真.实际应用表明,该方法可通过驱动多媒体舞台背景的虚拟场景元素的位置和形态的变化,实现真实空间与虚拟空间的互动.

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.

浅议马尔可夫链蒙特卡罗在实践中的应用

本文概括地介绍了马尔可夫链蒙特卡罗(Markov chain Monte Carlo——MCMC),一种随机模拟贝叶斯推断的方法。主要的抽样方法包括吉布斯采样(Gibbs Sampling)和Metropolis-Hastings算法。本文也对MCMC主题和应用的拓展进行了讨论。

马尔可夫跳变系统的蒙特卡罗仿真

针对跳变系统理论研究中缺少有效的仿真方法,提出了一种适用于跳变系统的蒙特卡罗法。跳变系统蒙特卡罗仿真的关键是马尔可夫链的仿真实现,研究了两种生成马尔可夫链的方法,即利用MATLAB函数randsrc和基于unifrnd函数产生均匀分布的随机数,提出了根据转移概率矩阵P对随机数设置不同的阈值来形成马尔可夫链的算法。根据仿真的结果对转移概率进行了验证,该方法概念清晰,简单易行,可用于切换系统等一般随机系统的研究。

应用马尔可夫链预测火山岩岩相的空间展布

通过分析测井曲线特征,对松辽盆地南部某区块深层火山岩岩相和亚相进行了划分。利用马尔可夫链对研究区深层火山岩油气藏的岩相以及亚相的二维展布进行了井间预测。二维马尔可夫链模型的算例表明,火山岩岩相符合马尔可夫特性,利用马尔可夫链预测火山岩空间分布对于火山岩油气勘探具有一定的指导作用。

美国州内与州际阿片危机预测模型——基于马尔可夫链模型的预测分析

本文选取美国肯塔基州、俄亥俄州、宾夕法尼亚州、弗吉尼亚州和西弗吉尼亚州从2010年到2017年的县内阿片类药物鉴定数与州内阿片类药物鉴定数作为研究对象,并对该数据进行可视化分析,初步确定阿片类药物的大致转移趋势,结果显示阿片类药物主要集中在州的边境。然后利用关联度分析,以主要的阿片类药物海洛因作为参考标准,选取了海洛因、羟考酮、芬太尼、氢可待因和丁丙诺啡5种阿片类药物来衡量阿片类药物总体的使用情况。运用马尔可夫链模型,对美国5个州内阿片类药物的使用情况进行预测,给出5种阿片类药物数量的阈值水平,供美国政府参考。结果显示,美国政府需要加大力度对芬太尼药物进行控制,在西弗吉尼亚州的阿片类药物的使用情况相对最佳。

马尔可夫模型在煤矿贵重器材需求预测中的应用

应用马尔可夫链预测方法 ,结合蒙特卡罗仿真 ,建立了煤矿贵重器材需求的预测模型 。

基于Monte Carlo方法的一对二马尔可夫随机格斗模型

讨论了一对二马尔可夫随机格斗双方获胜概率计算问题。提出了一种新颖的一对二马尔可夫随机格斗任意对抗回合双方获胜概率的计算方法,该方法首先基于Monte Carlo仿真计算各个对抗回合中双方发射次序的概率分布,再利用全概率公式确定马尔可夫链的状态转移概率矩阵,从而克服了马尔可夫随机格斗模型往往只能提供无限对抗回合之后格斗双方获胜概率的缺点,为运用马尔可夫随机格斗研究火力运用和弹药分配提供了新途径,并用实例说明了该方法的有效性。