动态有权图上的随机游走概率计算

图上的随机游走概率计算是传统图论与现代数据挖掘领域普遍关注的问题之一.现有工作普遍关注静态图上的随机游走概率计算,却鲜少关注与实际应用场景更贴合的权重动态图.针对动态有权图上的随机游走概率计算问题,提出了一种基于硬币翻转采样的随机游走概率计算方法.相比于传统的基于权重采样的随机游走概率计算方法,所提方法可以在保证随机游走概率计算结果无偏的前提下,同时做到近似最优的随机游走概率计算复杂度和最优的采样结构更新复杂度.作为对比,现有方法或具有较大的计算时间复杂度,或依赖于复杂的索引结构而难以在动态图上即时更新.对所提方法做出了详细的理论分析,并在真实图数据集上进行模拟实验,实验结果证实了所提方法的有效性.

改进RRT算法的路径规划研究

针对传统的快速扩展随机树(RRT)算法在机械臂路径规划研究中发现路径规划的过程中存在随机性大、目标导向性差、冗余节点过多、路径规划速度慢、轨迹平滑度差等问题,提出一种增强目标导向性、减少冗余节点同时对路径进行优化处理的改进RRT算法。首先,针对传统的RRT算法存在目标导向性差、搜索时间长的问题在采样中添加了概率采样策略,增强目标的导向性;其次,用全局自适应步长的方法,可以根据地图中障碍物的空间大小来动态调整步长,达到快速路径规划,对地图的探索能力增强;针对规划过程中的冗余节点过多、路径规划速度慢的问题结合了贪心优化策略减少多余的节点,提高规划速度;最后再利用三次B样条曲线对生成路径进行平滑处理。在MATLAB进行仿真,实验结果表明改进的RRT算法在规划时间、路径长度和平滑度方面均得到有效的提高。

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect,DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。

基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法

实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。

动力可靠度计算的概率简单叠加法则法

首先给出了基于计算单元失效域的重要抽样法和区域分解法的计算步骤,随后利用基于计算单元失效域的重要抽样法的思想,引入构成总失效域的由持时内的时间点划分出的单元失效域;利用区域分解法的思想,引入构成总失效域的互斥的单元失效域,最后根据两种单元失效域的关系和概率简单叠加法则计算总失效概率。其中关键问题是计算结构反应时单位脉冲响应函数的确定和落入各个互斥单元失效域的样本数的确定。算例的计算结果表明计算动力可靠度,尤其是高维输入随机变量条件下小失效概率时,概率简单叠加法则法对比Monte-Carlo法计算效率有显著提高,并同基于计算单元失效域的重要抽样法和区域分解法一样高效。

基于感知数据概率模型的无线传感器网络采样和通信调度算法

在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。

基于机器学习的筒仓动态侧压力预测模型及概率分布研究

筒仓卸料时的动态侧压力是导致筒仓结构被破坏的重要原因,但影响筒仓动态侧压力的因素众多,且相互之间存在着复杂的非线性关系。因此,建立一种考虑多因素影响、高效、准确的动态侧压力的预测方法尤为重要。基于机器学习方法,将支持向量机、BP神经网络和随机森林等3种机器学习方法应用到筒仓动态侧压力的预测中。选取影响筒仓动态侧压力的相关因素作为输入变量,动态侧压力为输出值。对常用的3种机器学习中的参数进行寻优与设置,建立筒仓动态侧压力预测模型。通过测试样本对预测模型进行测试,分析表明支持向量机算法具有最优的预测能力与适用性,为筒仓动态侧压力的预测提供了一种新的方法。通过MATLAB软件对贮料密度这一单因素进行随机抽样,得到1 000组均匀分布的随机数。将数据输入最优的预测模型中,并利用Easyfit软件对预测值进行概率分布拟合,得到筒仓动态侧压力的概率分布,为筒仓结构的可靠度研究提供了理论基础。

基于失效域重构和重要抽样法的结构动力学系统首穿失效概率

对于线性动力学系统,重构系统失效域,利用基本失效域概率构造重要抽样密度函数,提出了基于重要抽样技术的首穿失效概率估计方法;对于非线性动力学系统,构建等效线性系统,线性化原理为线性与非线性系统对安全域边界具有相同的平均上穿率.最后给出Gauss(高斯)白噪声激励的线性与非线性系统的数值算例,并与Monte-Carlo(蒙特-卡洛)方法及区域分解方法比较,结果显示该文方法是正确有效的.

组合投资双目标概率准则模型及GASS II算法求解

考虑到中国证券交易的限制规定及现实投资者并非完全理性的决策行为,给出了组合投资收益-损失风险双目标概率准则的整数规划模型。通过证券收益经验分布,应用分层抽样的随机模拟,并结合动态变化算子的遗传算法,构造GASS II遗传模拟混合算法,进行概率准则模型的优化求解。股票相关性由其秩相关系数给出,算法将秩和区间划分相联系,指导分层抽样。GASS II算法能有效刻画收益分布的“高峰厚尾”,激发遗传算法的隐含并行搜索特性,避免早熟现象,提高寻优效率与精度。最后给出了一个投资组合实证分析算例的收益-损失风险有效前沿。

组合与概率的连续特征权衡量化方法

连续特征量化方法是数据挖掘方法中必要的预处理过程。呈现一种组合与概率的连续特征权衡量化方法。基于最小描述长度以及组合与概率理论,提出连续特征量化的权衡标准,能够在量化所导致的分类错误与量化区间信息之间得到合理的权衡;基于该权衡标准提出一种有效的动态规划量化算法,以找到最好的量化结果;量化后的数据采用naive贝叶斯分类器进行分类预测,与其他连续特征量化方法的对比实验结果表明,新方法得到了较高的平均学习精度。

基于“3S”技术的土地资源高效动态监测方法研究

以"3S"技术为基础,利用统计学中的抽样调查方法,根据土地资源调查特点,建立成数抽样、双重抽样、不等概率抽样3种模型。实证分析表明,这3种方法大大提高了土地资源调查工作效率,可以对全国的土地资源进行动态监测。

基于动态概率抽样的标签噪声过滤方法

在机器学习问题中,数据质量对系统预测的准确性产生了深远的影响。由于信息获取的难度大,人类的认知主观且有限,导致了专家无法准确标记所有样本。而近年来出现的一些概率抽样方法无法避免样本人为划分不合理且主观性较强的问题。针对这一问题,提出一种基于动态概率抽样(DPS)的标签噪声过滤方法,充分考虑各个数据集样本间的差异性,通过统计各个区间内置信度分布频率,分析各个区间内置信度分布信息熵的走势,确定合理阈值。在UCI经典数据集中选取了14个数据集,将所提方法与随机森林(RF)、HARF、MVF、局部概率抽样(LPS)等方法进行了对比实验。实验结果表明,所提出的方法在标签噪声识别和分类泛化上均展示出了较高的能力。

基于脆弱性变换的网络动态防御有效性分析方法

有效性分析对合理制订最优网络动态防御策略至关重要.首先利用随机抽样模型从脆弱性变换角度给出入侵成功概率计算公式,用于刻画变换空间、变换周期及脆弱性数量对网络入侵过程的影响;然后针对单、多脆弱性变换两种情况,分别给出相应的入侵成功概率极限定理并予以证明,同时给出两种情况下的最优变换空间计算方法;仿真结果表明,增大单条入侵路径上依次攻击的脆弱性数量、减小变换周期可持续提高网络动态防御有效性,而增大变换空间初始可以提升网络动态防御有效性,但是由于入侵成功概率会随变换空间的持续增大而逐渐收敛,在入侵成功概率收敛时,有效性无法持续提高.

基于改进RRT算法的狭长空间无人车辆路径规划

针对狭长空间无人车辆路径规划系统,提出一种基于改进的快速搜索随机树(rapidly-exploring random trees,RRT)路径规划算法,以解决传统RRT算法随机性较大、路径缺乏安全性的问题.该算法通过加入自适应目标概率采样策略、动态步长策略对传统的RRT算法进行改进,同时考虑到实际情况中无人驾驶车辆的动力学约束,该算法加入车辆碰撞约束和路径转角约束,并针对转角约束会导致迭代次数激增的问题提出了一种限制区域内随机转向的策略,最终得到一条安全性较高的路径.采用计算机仿真对所提算法和现有算法的性能进行对比验证.所提算法在狭长空间相较于传统人工势场引导下的RRT算法迭代次数降低了33.09%,规划时间减少了6.44%,路径长度减少了0.06%,并且在简单环境和复杂障碍物环境下规划能力均有提升.所提算法规划效率更高、迭代次数更少.

考虑风速时空相关性的动态概率潮流计算

针对传统动态概率潮流(dynamic probability power flow,DPPF)计算结果存在的保守性问题,提出一种计及风速预测误差时空相关性的DPPF计算方法。首先,采用自相关系数平稳过程描述输入变量的预测误差过程,利用非参数核密度估计直接根据预测误差历史数据拟合得到预测误差分布;其次,基于等概率变换理论和Nataf变换技术得到具有时空相关性的误差样本。最后,通过基于拉丁超立方采样的蒙特卡罗模拟法进行DPPF计算,得到节点电压幅值和支路潮流的数字特征和动态概率分布。采用IEEE 14节点和IEEE 118节点系统进行仿真,验证了算法准确性和效率。

典型矮塔斜拉桥地震风险概率评估方法研究

鉴于矮塔斜拉桥受力性能的特殊性,引入增量动力分析(IDA)和拉丁超立方体抽样(LHS)评估该结构在地震激励下发生损伤的风险概率。首先采用LHS考虑桥梁构件材料的随机性,与事先选取的地震波相结合形成桥梁-地震动样本集合;其次在确定桥梁有限元模型主要构件损伤指标的基础上采用基于蒙特卡罗(MC)抽样的IDA进行地震易损性分析和地震风险概率评估。为验证方法的正确性和有效性,对一预应力混凝土独塔双索面矮塔斜拉桥结构模型进行地震风险概率评估,结果表明:该方法既充分考虑了材料和地震输入双重随机性又避免了繁琐的积分过程,同时也提高了工程计算的效率及精度。

Dodge假定对CSP-1-R方案动态平均检出质量的影响

用转移概率流向图和转移概率母函数方法研究了取消 Dodge 假定后单水平连续抽样方案(CSP-1-R)的动态平均检出质量(AOQ),并通过计算实例分析、比较了 Dodge 假定对该方案 AOQ 值的影响。

WDM网络基于波长的一种多优先级波长分配算法

文中提出了一种用于WDM光网络的支持优先级的波长分配算法,该算法通过对网络中各节点的采样,预测将来不同优先级可能使用的波长数,据此为高优先级预留波长。由于网络中呼叫请求是时刻变化的,通过采样,动态调整预留的波长数,从而保证高优先级的连接请求,同时又兼顾低优先级的连接请求,降低了全网的平均阻塞率,提高了网络资源的利用率。

推广了的CSP-1-S方案的动态平均检出质量

用转移概率流向图等方法探讨推广了的CSP-1-S方案的动态平均检出质量,并结合具体计算实例分析了系统抽样中被抽产品的位置对方案的动态平均检出质量的影响。

轨道不平顺小样本全信息表达的联合模拟方法

针对传统方法需要生成大量轨道不平顺样本才能涵盖所有随机特征,但样本数多又会导致计算效率低的问题,本文提出了一种自适应采样法(ASM)与改进的第二类随机谐和函数法(MSHF)结合的轨道不平顺模拟的联合方法。ASM自适应选取符合轨道不平顺功率谱密度函数(PSD)谱概率分布的高代表性样本点,从而减少样本数量;之后在SHF中添加一类符合谱概率分布的独立变量进行改进,通过将ASM选取的样本点代入新增变量,实现了轨道随机不平顺的时域小样本全信息表达。以车轨桥耦合系统(TTBS)随机动力分析为例,与传统一次性采样和SHF方法相比,本文方法在提高精度的同时可以减少41.67%的计算时间。