基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法

提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。     

两个隐形后门曝光记

现在的黑客成功入侵主机后,很少会大肆破坏,而是考虑如何长期地控制该机,便于日后随时“光顾”,所以会在该机上安装各种后门。不过,如果明目张胆地安装木马程序,很容易被发现,所以黑客通常会采取安装隐形后门的方法进驻系统。怎样才能发现隐形后门,并将其彻底关闭呢？本文将为您分析一下相关隐形后门的发现和清除方法。     

基于修正灰色马尔科夫模型的煤自燃预测

煤自燃系统是一个复杂的巨系统,具有规律性、非线性和随机波动性特点,因此在煤自燃预警系统中利用单一的灰色预测方法很难对其动态发展趋势做出准确的预测.针对上述问题,提出一种将灰色模型和马尔科夫模型相结合对煤自燃进行预测的方法.首先建立煤自燃的GM(1,1)模型,其次以GM(1,1)模型预测值为基础进行马尔科夫预测,然后用平均残差修正预测值.仿真结果表明,灰色马尔科夫模型比灰色模型预测精度明显提高,平均误差减少2.24％,为煤层优化检测提供了依据.     

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。     

异构信息网络数据上的融合概率图模型

针对异构信息网络中存在多种数据目标类型,以及多种数据连接关系的问题,将多个主题模型和马尔科夫逻辑网相结合,提出了一种融合概率图模型。多个主题模型可以分别描述不同数据目标子空间的主题分布,实现对多种数据目标的预处理。用一阶逻辑子句描述的连接规则构建马尔科夫逻辑网,将每个主题模型中的不同数据目标连接起来。通过使用Gibbs采样,可以对异构网络进行参数学习和推理。在国际通用的异构信息网络DBLP数据集上的实验结果表明,使用融合概率图模型能够更好地表示不同的数据目标和连接关系。实验对比了4种典型的分类方法,多次采样得到的分类结果稳定,对作者、文章和会议取得了较好的分类结果。     

基于SLIC和马尔科夫随机场的H.264视频对象分割

为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.     

隐马尔科夫模糊C均值聚类分割算法改进

对隐马尔科夫模糊C均值算法加以改进,以提高其对加噪图像的分割质量。在初始化之前,先对图像进行中值滤波,以降低均值漂移算法产生的过分割现象,再对原有算法迭代所得隶属度进行均值滤波,以增强图像分割的抗干扰能力。对标准灰度图像添加噪声,验证改进算法的性能。实验结果显示,经过改进,算法的分割结果更稳定,边界更平滑,且对噪声具有较强鲁棒性。     

驾驶员无意识车道偏离识别方法

为了改进车道偏离预警系统的工作效能,本文提出了考虑人-车-路特性的无意识车道偏离识别方法。首先,明确了无意识车道偏离识别的具体含义,将其划分为疲劳车道偏离和次任务车道偏离;其次,利用受试者工作特性曲线(ROC)确定无意识车道偏离的识别时间窗口,保证了无意识偏离样本筛选的有效性;再次,以12名驾驶人为试验对象,采集并对比分析了驾驶员操纵特性、车辆运动状态和车辆与车道线相对运动状态等相关参数,并分别选取作为疲劳车道偏离和次任务车道偏离识别基本特征;最后,采用高斯混合隐马尔科夫模型(GM-HMM)构建无意识车道偏离识别模型。实验结果表明,本文方法具有较好的识别效果。     

基于BCJR的GMSK混合信号分离算法研究

针对GMSK混合信号单通道盲分离问题,提出将BCJR算法用于GMSK混合信号分离。根据GMSK信号连续相位的特点,通过建立混合信号模型的有限状态马尔科夫性,推导了利用BCJR算法实现GMSK混合信号分离过程。在不增加算法复杂度的情况下,选择每个时刻后验概率的多个极大值对分离算法进行了改进。仿真实验表明,在调制参数比较相近的条件下,即使相对幅度、相对相位、相对时延估计不够准确,改进算法仍能取得较好的分离效果。     

考虑载荷动态分配机制的多状态系统可靠性建模及优化

多状态是现代制造装备和复杂工程系统的典型特征。由于多状态系统可靠性理论能反映系统服役阶段状态的复杂衰退规律,近年来受到了广泛的关注和深入的研究。然而,现有的大部分关于多状态系统可靠性理论的研究均假设系统中单元之间的失效规律是相互独立的。但在实际工程中,多种因素所造成的系统单元间失效规律的相关性问题不可避免,故考虑多状态系统中单元载荷的动态变化对单元失效规律的影响,利用马尔科夫模型对存在载荷动态分配机制的多状态系统进行可靠性建模和可靠度计算,分析系统的组成结构和单元的载荷动态分配策略对系统可靠度的影响规律,并在此基础上提出两层遗传算法对多状态系统的结构和载荷分配策略进行联合优化。