基于扩展马尔科夫链的攻击图模型

在网络风险评估中,攻击图模型用于表达网络存在的脆弱点以及脆弱点之间的关联关系,传统方法通过主观经验确定攻击图中状态转移的权重,给状态转移概率的确定带来较大不准确性。为提高其准确性,通过将脆弱点的攻击难度作为状态转移概率的确定标准,构建基于马尔科夫链的攻击图模型。搭建实验环境,将该模型应用到实际环境中,得到了准确的状态转移概率。该模型摒弃了传统概率确定方法中的主观性,有效提高了概率确定的准确性。     

基于马尔科夫链的主机异常检测方法研究

提出了基于马尔科夫链模型的主机异常检测方法,首先提取特权进程的行为特征,并在此基础上构造Markov模型。由Markov模型产生的状态序列计算状态概率,根据状态序列概率来评价进程行为的异常情况。利用Markov模型的构造充分提取特权进程的局部行为特征的相互关系。实验表明该模型算法简单、实时性强、检测率高、误报率低、适合用于在线检测。     

基于马尔科夫链的平台生存任务模型与航路评估

在地面雷达武器威胁环境里,不仅需要评估航路上飞行平台的有关生存和任务完成的概率,而且还要能度量不同航路的好坏。由于传统模型不能有效表达生存模型和任务模型,更不能有效统一生存模型与任务模型,为此建立了基于马尔科夫链的生存任务模型,并且在此模型的基础上引入代价来评估航路。最后的仿真结果表明,该方法有效刻画了生存率和任务完成率,能关注到完成任务且无伤害返回的概率,并且能有效度量航路的好坏。     

基于马尔科夫链的网络控制系统调度

网络控制系统数据包的丢失将导致控制系统性能下降与网络资源利用率降低。以马尔科夫链对网络控制系统的数据包丢失时延进行动态预测,并将它作为网络利用率的一个重要参数,利用反馈原理动态地调整网络控制系统控制任务周期,在线分配网络资源,实现调度与控制的集成,提高了网络资源的利用率与控制系统性能,仿真结果表明了该方法的有效性。     

基于马尔科夫链的民族地区毒品犯罪预测研究

毒品的非法生产、需求以及贩运呈现出一种巨大规模的上升趋势,特别是边疆少数民族地区的毒品犯罪问题更加引人关注。针对此问题,大多是从社会学的角度进行研究,提出了采用马尔科夫链的方法,对边疆少数民族地区收集的犯罪数据进行统计分析、建模。实验结果表明,预测毒品犯罪案件数与实际发生的毒品犯罪案件数相比,达到了96．52％的预测准确率。结论是,通过马尔科夫链来进行民族地区的毒品犯罪预测研究,可获得更加合理、准确的预测结果,具有更高的有效性和实用性。     

一种基于马尔科夫链的冲突证据组合方法

针对智能信息处理中Dempster组合规则不能处理高度冲突的问题,考虑到序贯证据的序列性具有高效的抗干扰性能,因此本文提出了一种基于马尔科夫链的冲突证据组合方法. 首先,从经典马尔科夫链中的确定性状态描述扩展到不确定性状态描述;然后,以滑动窗口宽度l对序贯历史证据进行采样, 并利用相似性测度计算的权重来修正它们,从而对修正后的历史证据进行马尔科夫建模,并根据转移概率矩阵,计算证据代表;最后,利用Murphy组合规则对该证据代表组合l-1次. 当然,本文方法也比较适合批量同步融合. 大量的仿真实验对比分析表明,该方法优势比较明显, 有效地解决了冲突证据合成出现的问题,并能有效兼顾合成结果的鲁棒性和灵敏性.     

基于马尔科夫链的组密钥更新代价分析方法

组密钥管理机制大多基于树结构或星结构。在这两种结构中,成员的加入和离开均对密钥更新代价影响很大。提出基于连续时间马可夫链的代价更新分析方法,利用连续时间马可夫链来模拟成员动态变化,并对星结构和树结构的组播密钥管理方案进行更新代价仿真分析,并比较了两者的性能差异。仿真结果表明,组成员离开的概率和速率是影响星结构和树结构密钥管理方案在密钥更新代价上差异的主要因素。因此,在动态变化的环境下,应使用星结构和树结构相结合的组密钥管理机制。     

基于马尔科夫链的随机测量矩阵研究

测量矩阵是压缩感知理论中的重要组成部分,其将直接影响原始信号的重构精度.针对常用测量矩阵重构精度较低的问题,构造一种基于马尔科夫链的随机测量矩阵.利用马尔科夫链的随机性生成M个随机数,将随机数按照规则分别映射为-1和1后作为M×M维对角矩阵的元素,采用马尔科夫链生成M×(N-M)个随机数并按照规则分别映射为0和1,构成包含0和1元素的M×(N-M)维矩阵,并将这两部分矩阵相结合形成M×N的测量矩阵.仿真结果表明,该矩阵结构简单,相比常用测量矩阵和基于奇异值分解的Toeplitz结构矩阵重构精度得到明显提升,并且减少了运算量与存储空间.     

马尔科夫链在预测中的应用

提出利用马尔科夫链预测股票第二天的最大涨幅.建立了算法模型,采用具体实例,介绍了算法的过程,并利用C#实现了该算法.     

基于马尔科夫链的大学生自主学习能力预测方法

以反映大学生自主学习能力的现时状况数据指标为基础,利用马尔科夫链工作原理,分析研究自主学习能力的有效评估方法,构建大学生自主学习能力预测方法模型并提供算法流程,测试表明预测与实际结果高度吻合。所提供的研究模型精细、稳定、实用,能有效应用于提高自主学习能力和相应的预测软件开发当中。     

Non-stationary fuzzy Markov chain

This paper deals with a recent statistical model based on fuzzy Markov random chains for image segmentation, in the context of stationary and non-stationary data. On one hand, fuzzy scheme takes into account discrete and continuous classes through the modeling of hidden data imprecision and on the other hand, Markovian Bayesian scheme models the uncertainty on the observed data. A non-stationary fuzzy Markov chain model is proposed in an unsupervised way, based on a recent Markov triplet approach. The method is compared with the stationary fuzzy Markovian chain model. Both stationary and non-stationary methods are enriched with a parameterized joint density, which governs the attractiveness of the neighbored states. Segmentation task is processed with Bayesian tools, such as the well known MPM (Mode of Posterior Marginals) criterion. To validate both models, we perform and compare the segmentation on synthetic images and raw optical patterns which present diffuse structures.     

基于马尔可夫链的分形图形生成算法

区别于传统的基于欧几里得算法的图形生成算法,在迭代函数系统的基础上,提出了一种基于马尔可夫链的分形图形生成算法。该算法首先利用马尔可夫链为每个状态转移函数设置转移的概率密度,其次通过比较随机数与状态转移函数的概率分布来确定进入的状态转移函数,进而计算吸引点的位置、确定线条的位置和角度,推导出迭代后线条的角度关系,最后通过多次迭代生成不同角度和位置的线条组成一个完整的图形。相对于传统算法,该算法针对分形图形的生成、仿射变换矩阵参数的具体调控方式、以及图形散点图的变化规则进行研究,通过对不同分形图形的生成及其形态调控的仿真实验验证了该算法可以对分形图形生成过程进行描述,进一步验证了该算法的优越性。     

背景吸收的马尔可夫显著性目标检测

目的 现有的基于马尔可夫链的显著目标检测方法是使用简单线性迭代聚类（SLIC）分割获得超像素块构造图的节点,再将四边界进行复制获得吸收节点,但是SLIC分割结果的好坏直接影响到后续结果,另外,很大一部分图像的显著目标会占据12个边界,特别是对于人像、雕塑等,如果直接使用四边界作为待复制的节点,必然影响最终效果。针对以上存在的缺陷,本文提出一种背景吸收的马尔可夫显著目标检测方法。方法 首先通过差异化筛选去除差异较大的边界,选择剩余3条边界上的节点进行复制作为马尔可夫链的吸收节点,通过计算转移节点的吸收时间获得初始的显著图,从初始显著图中选择背景可能性较大的节点进行复制作为吸收节点,再进行一次重吸收计算获得显著图,并对多层显著图进行融合获得最终的显著图。 结果 在ASD、DUT-OMRON和SED 3个公开数据库上,对比实验验证本文方法,与目前12种主流算法相比,在PR曲线、F值和直观上均有明显的提高,3个数据库计算出的F值分别为0.903、0.544 7、0.775 6,验证了算法的有效性。结论 本文针对使用图像边界的超像素块复制作为吸收节点和SLIC分割技术的缺陷,提出了一种基于背景吸收马尔可夫显著目标检测模型,实验表明,本文的方法适用于自底向上的图像显著目标检测,特别是适用于存在人像或雕塑等目标的图像,并且可以应用于图像检索、目标识别、图像分割和图像压缩等多个领域。     

基于马尔可夫链的舆情热度趋势分析

针对舆情热度的波动范围较大,并会呈现某种趋势的特点,提出了一种基于马尔可夫链的舆情热度趋势分析模型。该模型采集相关热点舆情的指标数据,得到热度的时间序列值;分析热度的趋势变化,划分状态空间,构建状态转移矩阵,预测热度的趋势变化区间。实验表明,该方法能有效地预测热点舆情的走势,进而辅助对舆情的引导和控制。     

Event semantic recognizing based on Markov chain

Owing to the enormous information and complex structure, video semantic processing is a tricky issue all along. Current researches are restricted within recognizing relative simple semantic in some certain domains. This paper brings forward a novel method transiting low-level feature to high-level semantic with Markov chain by stages, which takes object semantic as the core. This method is valid for recognizing complex event semantic. Semantic concept mapping mechanism based on semantic template is presented to realize the automatic recognition of video semantic. In the experiment contrasting with IBM＇s IMAT, our method shows more extensive recognition range and higher accuracy. Experimental results are encouraging, and indicate that the performance of the proposed approach is effective.     

Texture pattern image generation by regular Markov chain

A method of graytone texture pattern generation using a regular Markov chain is presented. The procedure arranges the generated gray tones in a sequence along a scan line. The transition probability matrix of the Markov chain directly determines the spatial co-occurrence probabilities of gray tones in the generated image. The generated image can be rotated and arithmetically combined to produce images of additional texture patterns. The paper illustrates the variety of texture which can be produced by this method.     

基于Markov链使用模型的软件可靠性测评方法研究

基于Markov链使用模型的软件统计测试是产生高效测试用例,实现软件可靠性定量评估的有效方法.论述了该方法中使用链与测试链的构建技术,基于使用模型的统计分析计算,基于测试链的软件可靠性评估,操作可靠性和使用可靠性评估,以及它们在实际应用中需要注意的若干问题.     

基于马尔可夫链的书画时序感量化方法

书法欣赏被广泛认为需要进行时序还原,而绘画的时序还原长期被忽略,并且笔触的细节特征被认为能增强时序的感知。为了量化时序感以及探究笔触细节特征对时序感的影响,提出了一种基于马尔可夫链熵率的书画作品时序感量化方法。首先,将个体在书画作品上标记点的感知时序建模为马尔可夫链;然后,计算马尔可夫模型的熵率得到感知时序的不确定性;最后,采用负熵来衡量感知时序的有序性,并将其归一化得到量化指标——时序感。通过对多个书画作品的时序感实测,验证了此方法的可行性,并基于该度量研究了图形变换对书画作品时序感知的影响。实验结果显示,原始图像在旋转或镜像变换后的时序感的一致性保持在较高水平,但正确率有显著变化。这意味着,笔触特征并非形成时序感受的首要因素,观者自身的笔顺经验在其中更加重要,而该推论还需进一步验证。     

基于改进马尔可夫链的航线预测算法

在交通领域,研究分析旅客的出行目的地会产生很多商业价值。针对旅客出行目的地的不确定性造成研究困难的问题,现有方法利用熵衡量移动的不确定性来描述个体的出行特性,并同时考虑个体轨迹的时空相关性,并不能达到理想的预测精度,因此,提出了基于改进马尔可夫链的航线预测算法来对旅客的出行目的地进行预测。首先对旅客历史出行的距离分布、地点分布和时间规律特性进行了分析;然后又分析了人类移动对历史行为和当前地点的依赖性;最后将旅客的常住地特性和新航线的探索概率加入到转移矩阵的计算中,提出并实现了改进的马尔可夫链航线预测算法,进而对旅客的下一次出行进行预测。实验结果显示,该模型可以达到66.4%的平均预测精度。研究成果可以应用在航空领域的用户出行分析中,使航空公司更好地了解和预测旅客的出行,提供个性化的出行服务。