DTN中基于马尔科夫链的声誉评估策略

在基于声誉的延迟容忍网络路由协议中,较长的消息传递延迟会使声誉的收集非常缓慢,导致节点的声誉评价不准确。为此,提出一种基于马尔科夫链的声誉评估策略。该策略根据节点在不同历史时间点的声誉值序列,通过马尔科夫预测方法求出节点声誉值的状态转移矩阵。利用状态转移矩阵和节点最近一次的声誉评价预测节点现在的声誉值,并采用概率论的方法对节点的声誉进行评估。实验结果证明,与同类路由策略相比,该策略能够降低延迟对声誉的影响,使节点准确预测其他节点的声誉值,从而更有效地抵御诽谤攻击。     

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。     

电力系统继电保护可靠性分析

传统可靠性评估方法往往不考虑电网运行工况的因素。为了解决该问题,本文建立了适用于故障分析的元件可靠性模型。模型包括两大部分：一个是作为一次设备的输电线路停运模型;另一个是作为二次设备的隐性故障模型,在此基础上根据继电保护系统的构成和隐性故障的分类,提出隐性故障概率模型。所建模型实现了一次和二次设备模型的有机结合。算例证明了所建模型的可行性和正确性。     

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。     

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。     

电力系统继电保护装置运行可靠性指标研究

本文主要对电力系统的继电保护装置可靠性指标进行研究,总结了继电保护装置可靠性指标的影响因素,相关人员要采取相应措施,维持这个指标,具体有提升保护装置的微机化水平、加强保护装置的智能化程度等。     

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.     

一种基于离散马尔科夫模型的神经网络可靠性设计方法

本文给出了一和循环前馈神经网络来表示具有ｎ个状态的离莠马尔科夫模型,及其二次能量函数,并根据梯度下降规则,给出了相应的权值修改规则。利用该神经网络方法可以有效地对容错硬件进行可靠性设计。     

基于马尔科夫链的煤矿灾变预测系统的建模研究

提出了结合煤矿特点构造符合马尔科夫链特征的数学模型的观点,并以马尔科夫链为基本分析工具,详细介绍了设备故障、涌水预警、救险预测三个领域内的数学建模方法。所建模型可以预估机电设备发生故障的概率、井下透水后发生淹井的可能性、事故发生后井下人员的逃生状况,为煤矿灾变预测提供了概然性数据,为煤矿灾变预测系统的技术实现提供了理论支持。     

基于灰色马尔科夫链的小排量汽车销量预测研究

近两年来,我国小排量汽车的销量受到政策、价格等各种原因的影响呈现出波动的形势。为了较为准确的对小排量汽车销量进行预测,本文建立了相应的灰色马尔科夫链预测模型。首先通过灰色GM(1,1)模型获得两年来我国小排量汽车销量的基本走势,然后采用灰色马尔科夫链在GM(1,1)模型基础上进行修正,最后得到最终的预测模型。该模型有效整合了GM(1,1)模型处理光滑序列的有效性和灰色马尔科夫链处理随机序列的有效性。通过对2013年10月、11月、12月的销量数据进行测试,该模型具有较高的预测精度。     

基于马尔科夫链自适应能力任务分派系统设计

当分布式系统中各处理结点相互完全独立,并且在对其他结点的状态不是很了解情况下,利用组合数学和随机过程的方法提出一种机制,该机制能使各结点在没有全局管理者的参与下,仅根据系统运行的反馈决定下一步的任务,从而使整个系统的任务分配达到最优。该方法能很好地处理最普遍的任务分派问题。     

基于模态区间-马尔科夫链的动刚度预测

动刚度反映着数控加工过程中的稳定性,对加工精度有直接影响.对动刚度进行预测,预知动刚度的变化趋势,可为处理数控机床动刚度劣化问题提供指导作用.传统的马尔科夫链模型预测方法难以处理不确定性问题,将降低预测结果的可靠性.将模态区间数学理论应用于传统马尔科夫链中,提出一种基于模态区间-马尔科夫链模型的预测方法,以提高预测结果的可靠性.为了验证提出的预测方法的有效性,设计了一个数控机床相对激振实验.通过相对激振方法获取历史动刚度数据,采用模态区间-马尔科夫链模型对动刚度劣化趋势进行预测.结果表明:提出的预测方法有一个更好的预测精度.     

基于马尔科夫链的联合呼叫接入控制算法

异构网络的接入策略与网络资源管理效率紧密相关;同时,网络复杂性与网络资源竞争性直接影响到用户服务质量。针对异构网络接入控制存在的切换掉话率和呼叫阻塞率高、资源利用率低等问题,提出了基于马尔科夫链的联合呼叫接入控制算法。接入控制算法为切换呼叫业务、实时业务动态地预留了一定的带宽资源,根据不同业务设置带宽降级因子来决定是否释放带宽;同时,根据用户偏好和不同业务的QoS要求,构建了呼叫接入控制效用函数,利用马尔科夫链进行了建模分析。仿真表明,算法提高了网络资源利用率,降低了系统复杂度,满足了各类业务的QoS要求。     

基于GIS的大规模配电网可靠性评估系统设计

设计一种基于GIS获取配电网络信息,以故障遍历法为基础,适用于大规模电网的可靠性实用评估系统。介绍配电网数据的结构化存储方式设计,阐述如何通过GIS自动导出馈线的拓扑结构和相关信息,提出转供判断及可靠性指标的计算方法。系统可靠性分析建模中还考虑预安排停电的影响。使计算结果更加符合实际情况。     

基于GIS的大规模配电网可靠性评估系统设计

设计一种基于GIS获取配电网络信息,以故障遍历法为基础,适用于大规模电网的可靠性实用评估系统。介绍配电网数据的结构化存储方式设计,阐述如何通过GIS自动导出馈线的拓扑结构和相关信息,提出转供判断及可靠性指标的计算方法。系统可靠性分析建模中还考虑预安排停电的影响,使计算结果更加符合实际情况。     

应用马尔科夫模型分析起落架的可靠性

为了提高飞机起落架控制系统的安全性能,提出了基于马尔科夫模型的起落架控制系统可靠性评估方法。首先分析系统每个节点的可靠性。运用马尔科夫过程对节点控制系统进行数学建模,根据故障空间状态图推导出系统的查普曼-柯尔莫戈洛方程,然后利用数学方法解出系统处于每一个状态的概率,得到节点控制系统的可靠度,进而求出整个起落架控制系统的可靠度。结果表明马尔科夫过程可以对起落架控制系统的可靠性进行准确的分析,结果精确,计算过程简单,对数学工具的要求低,适用于起落架这种复杂控制系统的可靠性研究。     

基于受控马尔科夫链的软件缺陷优化测试策略

目前许多文献都讨论的受控马尔科夫链软件测试模型,是通过对部分假设条件进行特殊化处理后得到的,这将导致模型的适用范围较小且偏离实际应用。依据软件控制论思想,通过一系列新的制约条件的转换,提出一种改善的、测试资源约束下的受控马尔科夫链模型来消除已有模型的缺陷。同时,该模型能够在高效性、复杂性和适用性3方面达到一个平衡点。为了证明其有效,根据该模型设计了一种新的软件缺陷优化测试策略,并对该策略进行了仿真实验,将其与传统的随机测试策略进行了比较。实验结果表明,该模型具有较高的实用性和有效性。     

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。