带动量项的高阶幂法解高阶马尔科夫链的极限概率分布向量

针对高阶马尔科夫链的极限概率分布问题,本文提出了两种带动量项的高阶幂法,并在一定条件下建立了所提算法的收敛性定理、数值实验结果表明动量项能够有效改善原幂法的计算效率.

基于图像高阶MARKOV链模型的扩频隐写分析

扩频隐写分析是信息隐藏研究领域的一个重要方面.文章提出基于高阶Markov链的数字图像统计分布模型,在对常用图像扫描方法构成高阶Markov链的效果进行比较后,采用Hilbert扫描方式构建数字图像n阶Markov链模型,进而提出度量数字图像隐写统计安全性的n阶Markov链测度,并证明其有界.最后文章通过研究扩频隐写对高阶Markov链模型经验矩阵的影响,利用该模型提取图像统计特征,并使用支持向量机对几种常用图像扩频隐写方法进行分析.实验说明文章所提方法对扩频隐写分析效果良好,且随着模型阶数提高,分析准确率也随之提高.

动态贝叶斯网络在水文预报中的应用

贝叶斯网络是目前人工智能中不确定知识与推理中最有效的理论模型之一。提出一种基于动态贝叶斯网络模型理论的水文预报方法。在综合考虑降雨径流成因的基础上,利用领域专家知识构建网络模型,在已有降雨、流量数据的基础上通过计算变量间的条件概率来计算流量发生的可能性。最后,通过渭河流域咸阳至临潼段历时数据进行仿真实验,对仿真结果和该模型进行了分析。