网络化控制系统随机时延的补偿研究

在网络化控制系统中引入离散隐马尔可夫模型,建立网络状态与控制器-执行器时延之间的概率模型.网络化控制系统被建模成一个马尔可夫跳变线性系统,并预测出当前采样周期内的控制器-执行器时延.使用该预测值设计一个状态反馈控制器,实现对控制器-执行器时延的补偿.对比仿真实验验证了所提方法的优越性.     

基于多Agent的DDoS攻击检测模型

针对DDoS攻击的分布性,设计了一个基于多代理（Multi-Agent）的分布式DDoS攻击检测模型.此模型主要分为管理控制、信息收集、数据捕获3层,每1层分别由相应的Agent构成.并描述了各层的主要功能、各个代理（Agent）的任务和模型的工作流程.     

减肥模型的马尔可夫骨架过程建模

利用侯振挺教授等人提出的马尔可夫骨架过程理论讨论了减肥数学模型．通过对减肥模型进行马尔可夫骨架过程建模,得出结论：在任一时刻l体重L（t）的瞬时分布是某线性方程的最小非负解．     

Bi-dimension decomposed hidden Markov models for multi-person activity recognition

We present a novel model for recognizing long-term complex activities involving multiple persons. The proposed model, named ＇decomposed hidden Markov model＇ （DHMM）, combines spatial decomposition and hierarchical abstraction to capture multi-modal, long-term dependent and multi-scale characteristics of activities. Decomposition in space and time offers conceptual advantages of compaction and clarity, and greatly reduces the size of state space as well as the number of parameters. DHMMs are efficient even when the number of persons is variable. We also introduce an efficient approximation algorithm for inference and parameter estimation. Experiments on multi-person activities and multi-modal individual activities demonstrate that DHMMs are more efficient and reliable than familiar models, such as coupled HMMs, hierarchical HMMs, and multi-observation HMMs.     

基于美尔倒谱系数及隐马尔可夫模型的说话人识别系统研究

为了适应强噪声环境下的语音识别,进行了基于美尔倒谱系数特征及隐马尔可夫模型的识别算法研究,主要对提取语音信号的线性预测系数、端点检测、语音特征参数提取、语音算法识别流程等进行了初步研究,并进行了说话人识别系统的仿真验证。     

基于马氏链的商品市场占有率预测模型的建立及其应用

本文根据商品市场占有率的随机变化过程,建立商品市场占有率的马尔可夫预测模型,并通过实例验证模型的可行性.     

体育教学质量的马尔可夫链评估法

根据马尔可夫链方法，学生学习成绩的变化表明了学生学习状态的转移，学习状态的转移概率仅与教学质量和教学条件有关，而与学生的基础无关；运用该方法评价教学质量对学生进步情况比学生成绩本身更重要。     

新技术推广模型的马尔可夫骨架过程建模

本文利用侯振挺等提出的马尔可夫骨架过程理论对新技术推广模型进行建模,从而求出了遮时刻使用该技术的企业数的瞬时分布是一非负线性方程的最小非负解。     

基于偏差规则马尔可夫模型的网络舆情情感预测研究

针对微博短文本评论,基于情感分析技术,从情感类转移等角度实现对网络舆情演变趋势的预测。本文以突发事件“新冠肺炎疫情”初期的相关微博评论文本作为研究对象,基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法,即偏差规则马尔可夫模型（the deviation rules Markov model,DRMM）。该模型分析了网民情感类间的相关性和转移性,通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测。实验采取平均绝对误差（mean absolute error,MAE）和均方根误差（root mean squared error,RMSE）来衡量模型预测值与真实值之间的误差。研究结果表明,该模型具有较好的有效性和准确性,预测值和真实值的拟合效果在预期范围之内。