THE TRANSITION PROBABILITY MATRIX OF A MARKOV CHAIN MODEL IN AN ATM NETWORK

In this paper we consider a Markov chain model in an ATM network, which has been studied by Dag and Stavrakakis. On the basis of the iterative formulas obtained by Dag and Stavrakakis, we obtain the explicit analytical expression of the transition probability matrix. It is very simple to calculate the transition probabilities of the Markov chain by these expressions. In addition, we obtain some results about the structure of the transition probability matrix, which are helpful in numerical calculation and theoretical analysis.

基于熵理论的Markov链对粮食生产年景的预测——以河南省为例

将度量系统状态不确定性的熵引入到Markov链中,从而使随机过程的Markov链分析方法与信息熵结合起来,构造了一种熵权的Markov方法,用不同步长的Markov链熵权和来预测系统的状态,实现了对粮食生产年景的动态预测。

基于BP神经网络的马尔可夫链移动性预测算法

为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,MC-BP)。该算法采用加权的误差函数对BP神经网络进行改进,通过改进的BP神经网络对状态转移概率矩阵进行训练和更新,将其结果代入马尔可夫链,得到预测的下一位置点坐标,并与实际坐标进行对比,从而完成用户移动性预测。将MC-BP与基于在线学习的马尔可夫链预测(Markov Chain based on the Online Learning System,MC-OLS)算法和BP算法进行对比,仿真结果表明,所提算法的运行时间更短,其预测准确率均高于其他两种对比算法,且能够适应不同数据集下的用户轨迹。

基于灰色马尔可夫模型的区域地下水位动态预报

区域地下水位的变化受多种因素的影响,并且呈现高度的非线性特点。针对区域地下水位变化的随机波动性、高度非线性特征,把区域地下水位的变化变化过程视为随机变化过程,将灰色系统理论与离散状态的马尔可夫链相结合,并在状态划分过程中,采用均值–标准差分级法进行指标分级与状态划分,提出了区域地下水位变化过程预报的灰色马尔可夫动态预报模型。在实例分析中,把某灌区14 a的地下水位的变化资料划分成5种状态。预测分析结果表明,利用灰色马尔可夫动态预报模型进行区域地下水位的变化动态预报是可行的。

基于观测器的时延网络控制系统镇定

研究了具有时延的网络控制系统的镇定控制器设计问题。首先,用2个独立的Markov链分别描述传感器至控制器时延及控制器至执行器时延,构造了状态观测器并建立了闭环系统模型。然后,在传感器至控制器时延及控制器至执行器时延的转移概率均部分未知的情况下,得到了镇定控制器存在的充要条件,并给出了控制器及观测器增益矩阵的求解方法。最后,通过实例仿真验证了不稳定被控对象在这所设计的控制器作用下可以实现镇定。

基于灰色马尔可夫模型的专利申请量增长率预测

由于专利申请量年平均增长率受多种因素的影响,本文把专利申请量年平均增长率的变化过程视为一随机过程,将灰色系统理论与离散状态的马尔可夫链相结合,提出了专利申请量年平均增长率变化过程的灰色马尔可夫预测模型。在状态划分过程中,采用均值-标准差分级法进行指标分级与状态划分,在实例分析中,把11年的专利申请量年平均增长率资料划分成五种状态。预测分析结果表明,利用灰色马尔可夫预测模型进行专利申请量年平均增长率的变化过程预测是可行的。

马尔可夫链在爆破网路分析中的应用

将爆破网路中常见的一些典型形式化归成马尔可夫链的模型 ,给出了这些马尔可夫链的转移概率矩阵 ,并将跨越式网路化归成一种“推广的马尔可夫链”,对这种推广的马尔可夫链的任意 m步转移概率和

基于DCBM的马尔可夫谱聚类社区发现算法

谱聚类划分算法是经典社区发现算法之一,由于目前构造的相似图承载的社区结构信息较少,导致聚类效果与理想效果具有较大差距,因此,提出了基于DCBM的马尔可夫谱聚类社区发现算法MSCD.首先,基于DCBM模型提出了以节点间连接概率为元素的概率矩阵,并建立了概率矩阵与相似矩阵之间的映射关系;其次,利用马尔可夫链重构了谱聚类的相似图;最后,使用重构的相似图对网络进行社区划分.在人工合成网络和真实网络上与SC,MRW-KNN和FluidC三种典型算法进行了对比实验.实验结果表明,MSCD算法具有更加高效的聚类性能,能够揭示更加清晰的社区结构.

基于神经网络与马尔可夫链预测地表水净化装置总氮降解的效果

通过数学模型对地表水净化装置净水水质进行预测是当下的一个热点,由于地表水净化装置的水质变化呈现非线性、时变性与随机性。基于此,首先采用BP神经网络对该装置水质预测,通过回归分析得到的可决系数判定拟合情况良好,误差较低。之后,为进一步提高预测精确度,降低BP预测结果随机波动带来的误差,将马尔可夫链与BP神经网络结合进行分析。通过对拟合结果及误差进行状态划分,得出状态概率矩阵,分析结果表明,出水的实际水质均符合最大概率区间内的预测范围值。因此,建立神经网络与马尔可夫链的组合预测模型,能够得到更准确的预测结果。

马尔可夫链在网络积分中的应用

网络中有许多地方要用到网络积分。例如腾讯公司的QQ游戏中、其他网络游戏中都要用到积分。还有论坛比如小木虫论坛等也会用到积分。主要利用马尔可夫链对网络中的一些积分进行分析和预测。基本方法就是利用状态之间的转移概率矩阵预测事件的积分状态及其发展变化趋势。

蜂巢状有源配电网拓扑及其可靠性评估

为探寻适应分布式电源并网运行的高供电可靠性配电网结构,文章提出了一种基于分布式有源微网的蜂巢状有源配电网拓扑。首先,对该拓扑结构及其中的有源微网与智能功率/信息交换基站进行了介绍,并分析了该拓扑的优点与不足。其次,应用马尔可夫链分析蜂巢状微网的状态转移过程,并给出了数学模型,包括状态转移概率矩阵和不同状态下的概率计算方法等。然后,推导了基于最小割集法的蜂巢状微网可靠性指标计算的修正公式。最后,以IEEE-RBTS BUS6 F4测试系统为例,对其"改造"成蜂巢状微网前后的供电可靠性进行了仿真比较,结果表明"改造"后的蜂巢状微网具有更高的供电可靠性,进而得出了蜂巢状有源配电网的供电可靠性明显优于普通配电网的结论。