基于交互式马尔可夫链的模型检验

研究了基于交互式马尔可夫链（IMC)的模型检验,IMC是集功能描述和性能刻画为一体的并发系统模型,模型检验是一种自动功能验证与性能评价技术。文中提出的模型检验算法结合了传统的功能验证与性能评价的功能,并且与现有的算法相一致。实验分析表明,该算法具有较高的性能,适用于大型复杂系统的验证和评价。     

Design and analysis of the reliability of on-board computer system based on Markov-model

An on-board computer system should have such advantages as light weight, small volume and low power to meet the demand of micro-satellites. This paper, based on specific characteristics of Stereo Mapping Micro-Satellite (SMMS) , describes the on-board computer system with its advantage of having centralized and distributed control in the same system and analyzes its reliability based on a Markov model in order to provide a theoretical foundation for a reliable design. The on-board computer system has been put into use in principle prototype model of Stereo Mapping Micro-Satellite and has already been debugged. All indexes meet the requirements of the design.     

逐段决定马尔可夫过程及其在风险中的应用

着重介绍了PDMP主要理论的研究进展．包括PDMP模型的一般化,PDMP生成元理论的推广,跳机制的状态空间跳测度刻画,微分公式的推广以及新结果在一类风险模型破产理论中的应用等．     

磁流变阻尼器MNS模型参数不确定性分析

磁流变阻尼器（Magneto-Rheological damper）因其优异的性能,在地震和风荷载下的结构振动控制中有广阔的应用。采用磁流变阻尼器进行结构控制时,建立相对精确的非线性模型是设计控制策略重要因素之一,也是保证对其进行数值分析时具有较高可信度的关键因素之一。从传统优化方法获得的确定性模型参数无法考虑由于磁流变阻尼器的现象学模型（phenomenological model）内在的不确定性,从而可能导致阻尼器模型出现不准确的预测。使用马尔可夫链蒙特卡洛方法,该研究对磁流变阻尼器的Maxwell Nonlinear Slider（MNS）模型的不确定性分析,并通过与现有200 kN足尺磁流变阻尼器试验结果,证明了概率模型能够更好地预测磁流变阻尼器在预定的正弦曲线位移和实时混合模拟的位移响应下的输出力和能量耗散,从而为进一步分析结构在磁流变阻尼器控制下的响应预测提供了更为有效的工具。     

基于混合语言模型的中文智能输入技术

分析了中文智能输入技术的研究现状和存在的问题,提出了基于混合n-gram的中文智能输入技术,给出了系统实现的架构,研究了混合2-gram模型的有关问题以及字词网格的求解算法,讨论了自动预测与系统学习功能的实现.测试结果表明拼音到汉字自动转换正确率达到了92.1%,基本实现了预期目标.     

基于半CRF模型的百科全书文本段落划分

介绍了基于半条件随机域(semi-Markov conditional random fields,简称semi-CRFs)模型的百科全书文本段落划分方法.为了克服单纯的HMM模型和CRF模型的段落类型重复问题,以经过整理的HMM模型状态的后验分布为基本依据,使用了基于词汇语义本体知识库的段落开始特征以及针对特定段落类型的提示性特征来进一步适应目标文本的特点.实验结果表明,该划分方法可以综合利用各种不同类型的信息,比较适合百科全书文本的段落结构,可以取得比单纯的HMM模型和CRF模型更好的性能.     

层次编码流媒体发送调度的研究

文章针对层次编码流媒体数据在Internet上进行传输的问题,研究服务端包发送调度技术。根据发送缓冲区中层次编码流媒体数据包之间存在的多重依赖关系和传输时间限制,提出了服务端发送调度的马尔科夫模型,在该模型的基础上,用值迭代法实现一个最优的发送策略。该策略能够在带宽受限的条件下,保证重要性较高的数据包优先发送出去。通过实验证明,与顺序发送方法比较,该调度算法能够在客户端获得更好的播放质量。     

隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

基于Matlab平台的含噪图像恢复

根据噪声的先验特点，建立了基于Markov随机场的退化图像恢复模型，从而将图像的恢复问题转化为求解最大后验概率(MAP)的问题。本文以模拟退火算法的思想为基础，通过引入随机判据的方法代替退火过程来进行MAP的估计，实验结果证明了这种方法的有效性。     

基于后缀自动机的轨迹模式挖掘方法*

如何有效的从轨迹数据中挖掘轨迹模式和规律具有重要意义,本文基于交通路网研究移动对象轨迹预测,将序列分析方法和马尔科夫统计模型结合,提出了一种基于后缀自动机的变阶马尔科夫模型挖掘方法。该方法根据移动对象的历史轨迹数据进行学习训练,计算轨迹序列上下文的概率特征,建立序列的后缀自动机模型,结合当前实际轨迹数据,动态自适应预测将来的位置信息。实验结果表明：相比固定阶马尔科夫模型,随着阶数的增加（L>=2）,固定阶马尔科夫模型预测的精度逐步降低,而该方法能动态自适应,精度保持在81.3%左右,取得较好的预测效果;同时,该方法只需线性的时间和空间开销,大大降低了存储空间和时间,能实现大规模数据的在线学习。