探究概率数列模型中的马尔科夫链

马尔科夫链本质上是一条时间序列,下一时刻的状态只依赖于上一时刻的结果.在最新的计算数学与应用数学科研领域中,常用马尔科夫链蒙特卡罗方法(MCMC)进行参数估计.由于马尔科夫链具备良好的概率性质,因此,在高中数学概率问题中引用马尔科夫链成为了热潮.同时,由于概率问题的求解常会遇到递推公式,所以,借助数列方法显得格外重要.以两个马尔科夫链模型——“赌徒破产”和“悬崖漫步”为例,叙述解题方法和相关结论.     

马尔科夫预测法在体育彩票“排列三”中的应用

本文首先对“体彩排列三”中的和数与和尾上近1074期的出号数字进行统计,利用马尔可夫链,求得其相应的转移矩阵。其次,建立和尾与和数的转移概率矩阵,基于马尔科夫链的预测法,得出下期和尾与和数各状态概率矩阵,从中挑选出概率最大几项作为下期预测的和尾及和数,为投资者提供更好的投资方案。     

上证综合指数波动情况研究——基于滚动窗口的马尔科夫链预测模型

文章运用基于滚动窗口的马尔科夫链预测模型,对上证综指的变动进行研究,创新的给出概率转移矩阵、极限概率以及预测准确率的时变特征,并给出马尔科夫链预测模型的最优窗口长度和状态定义阀值。研究揭示,大盘波动幅度与大盘的极限概率有着密切的关系;股指期货推出后大盘平盘概率占据主导地位,平稳性显著提高,马尔科夫链预测模型的预测准确率也有了较大提高。     

音乐节奏散论

音乐的外在节奏由时值、音强、音高等因素构成,节奏是音乐最早生成的要素,它对音乐具有重要意义,不同的节奏型创造着不同的审美意味。     

现代双簧管作品的音乐特点及演奏分析——以保罗·欣德米特的《双簧管与钢琴奏鸣曲》为例

20世纪以来,随着西方音乐美学新思潮的不断发展,直接影响了西方作曲技法的更新,从作曲材料到结构设计上,都有了巨大的变革,从而导致现代音乐作品从音高组织到多声部写作,从音乐作品的创作思维方式到各种音乐流派的观念形成,以及种种新式记谱法的产生和音响手段的丰富,这些都对种种新的音乐语言的形成及发展产生了巨大的影响。     

基于马尔科夫链随机模型的鼓泡床适用性

为了模拟二维鼓泡流化床（BFB）中的颗粒运动,建立了基于马尔科夫链的随机模型（MCM）。用离散化的床体网格定义状态空间,并根据离散单元模型（DEM）的运算结果直接计算转移概率矩阵。通过对比静态和动态转移概率矩阵的模拟结果来讨论 BFB 的马尔科夫特性。基于马尔科夫链计算静态矩阵,基于颗粒运动有后效性计算动态矩阵。结果表明：静态和动态矩阵模拟的颗粒运动趋势差别很小。此外,MCM 和DEM 模拟的颗粒混合曲线趋势相同且数值相近,曲线细节表明了 MCM 的时均性特点,也暴露了其在描述BFB 颗粒运动瞬时特性方面的缺陷。     

基于改进小生境遗传算法的自适应组卷系统

针对传统基于简单遗传算法的组卷系统收敛速度慢,组卷质量较差等缺陷,设计一种基于改进小生境遗传算法的自适应组卷系统。首先依照组卷约束权重比,生成适应度值较高的初始种群．其次对选择策略进行优化。引入小生境预选机制以维持种群多样性,防止过早收敛。再次根据组卷特点改进交叉算子和变异算子,根据种群进化情况,自动调整交叉概率和变异概率。最后经过若干迭代后达到终止条件,以自适应方式生成目标试卷。实验结果证明,与简单遗传算法相比,改进的遗传算法在收敛速度和组卷质量上均有显著的提高。     

无线体域网安全路由算法设计与仿真

为提高无线体域网时延和安全性能,提出一种基于马尔科夫链的无线体域网低时延安全路由选择算法.该算法基于马尔科夫决策模型,将以安全中断概率为约束的路由选择问题转换为寻找动态系统最小时延成本的控制策略问题进行建模,采用拉格朗日乘子法将该优化问题转换为无约束优化问题,并根据贝尔曼优化理论中的价值迭代算法,将无约束问题进一步简化...     

计算机音乐系统与音乐听觉训练

音高、时值、音强和音色是任何文化背景下的音乐共有的基本构成要素。这四个要素在音乐的横向组织中表现为节奏和旋律,在纵向组织中表现为和声和织体,在音乐表现力中为强度和音色。因此结合音乐教育活动培养音乐听觉可以先从培养节奏感和音准训练开始。在这两方面计算机音乐系统可取到很好的辅助作用。     

音乐知识问答(三)

问:什么是“音乐听觉”和“绝对听觉”?答:我们一般把听觉分为物理听觉和音乐听觉。所谓物理听觉,指对声音的“音高”、“音量”、“时值”、“音色”的听辨能力;所谓音乐听觉,俗称“乐感”。是指对音乐作品中各音存在意义的认识,音与音之音微妙关系的感觉,以及在音乐方面的记忆力、模仿能力等。“绝对听觉”(亦作“绝对音高”)是指在没有任何依据(如音叉、乐器等比较音高)的情况下,凭主观听觉即可确定各音的准确高度。具有     

浅析巴托克《断奏和连奏》(二)的音级组合和音高中心性

《断奏和连奏》(二)选自巴托克《小宇宙》第五册,第123首。笔者将从音级组合和音高中心性的视角下对《断奏和连奏》(二)进行分析与研究,从而探索巴托克在《断奏和连奏》(二)的作曲技法与音乐奥妙。     

基于径向基函数、区间分析和非支配排序遗传算法的结构区间多目标优化

研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。     

基于贝叶斯理论和遗传算法的管网漏损探测定位

针对舰艇消防供水管网结构复杂、管网中用户的用水量与漏损损耗量难以区分等特点,通过将管网中的漏损点等效为具有用水量的虚拟节点,提出了一种基于贝叶斯理论与遗传算法相结合的管网漏损探测定位模型。通过对所有单个虚拟节点模拟管网漏损量,将其剩余压力平方和作为目标函数,通过遗传算法寻找能使目标函数取得最小值确定管网的漏损情况。利用遗传算法搜索在不同漏损管段个数下能使得贝叶斯概率取得最小值的最优管段组合,从而实现漏损定位。仿真结果表明,通过结合贝叶斯理论与遗传算法进行漏损探测与定位具有探测速度快、定位结果准确的优点,可用于解决多点漏损管网的漏损探测和定位问题。     

浅谈儿童早期的视唱练耳训练

视唱练耳,是专业音乐学习者的一种基本训练,用以培养学习者按乐谱准确地感知音高与节奏的能力,同时,加深对拍子、音程和调式等感性的认识,使训练者最终能够获得“看到乐谱有音乐,听到音乐有乐谱”的高级音乐感知能力。下面我们从“听”与“唱”两个方面进行分析与论述:一、听觉训练人对音乐的认识是由“听”开始的,听觉训练在音乐教育中占有重要的地位。听觉训练一般包括音高分辨、节奏模仿与旋律短句记忆三方面内容。1.分辨音高训练这项训练是儿童感知旋律的基础,通过以高低不同的各个音高的分辨,使儿童初步建立旋律的思维意识。在训练中,…     

遗传算法在组卷策略中的应用

给出智能组卷数据模型,采用遗传算法中编码、初始群体、迭代等步骤,利用交叉概率、变异概率和适合度判断迭代的收敛性,并产生适合规则的群体.对比遗传算法及其他组卷策略,遗传算法在组卷次数及组卷时间上优于传统的组卷策略.     

中国商业银行信用卡市场占有率预测

本文使用马尔科夫链的概率转移矩阵的方法,建立了信用卡市场占有率的预测模型,并给出了一些事例论证。从而可以帮助银行信用卡部门管理人员预知自己产品在整个信用卡市场的地位,来决定采取何种措施来改变当前的局面。     

CA-Markov模型在舟山市土地利用中的应用研究

基于复杂适应系统、元胞自动机和马尔科夫链等相关理论,构建了城市土地利用的元胞自动机-马尔科夫模型（CA-Markov模型）,给出了从众系数矩阵的演化规则和确定方法.以舟山市土地利用变更为例,利用CA-Markov模型对该市土地利用变化进行计算机模拟,分析城市土地利用的变化规律.同时,得到的土地利用系统非线性的复杂特征体现了CA-Markov模型具有模拟复杂适应系统的能力.研究表明CA-Markov复合模型不仅具有空间演化的优势,还具有Markov过程的优良性质,比简单的Markov模型和CA模型更优越.     

基于改进遗传算法的柔性作业车间调度研究

针对中小型企业生产车间柔性作业调度问题,采用改进的遗传算法求解最优调度结果。将最大完工时间最小化作为调度目标,对经典遗传算法进行相应的改进。首先利用粒子群算法获取工序序列与粒子参数之间的映射关系,在初始种群中利用混沌映射和反向学习策略以提高初始种群质量;然后提出一种将机器编码和工序编码相结合的分段编码方法,以解决某道工序有多台可选机器加工的问题;最后利用自适应交叉和变异概率提高算法收敛速度。通过对 Brandimarte 设计的 10 组不同规格的基准案例进行仿真实验,得到进化曲线和最优调度方案。实验结果验证了该方法的实用性和有效性。     

融合PCA与混沌自适应遗传算法的图像识别

针对图像特征识别转为特征选择优化的问题,提出主成分分析与混沌自适应遗传算法结合的图像目标识别算法。首先通过PCA将图像特征线性组合转变为低维空间几个综合变量;同时改进遗传算法,利用混沌Tent模型生成均匀分布的初始种群、种群交叉及变异概率与种群适应度结合自适应变化,利用类内类间距与特征相关性重新构造适应度函数,采用精英保留策略进行子代选择,得到最优特征子集;最后利用概率神经网络与支持向量机分类器进行训练,识别测试图像。仿真实验表明,PCA与混沌自适应遗传算法结合能降低特征空间维数,使识别性能得到较好提升。     

一种多层前馈网络的学习策略

本文通过研究关联规则系统的特性,建立了一种解决关联规则系统问题的人工神经网络模型,即:一种多层前馈网络的学习策略,并对多层前馈网络学习方法做了详细论述,着重就输入链的强化与弱化、新链搭建、目标差异学习法进行分析。在本文后部分给出了实验数据与实验数据分析结论。