IRA码在全息存储系统中的应用研究

前向纠错码(FEC)是全息存储系统提高系统容量的一项关键技术,不规则重复累积码是接近Shannon限且具有线性时间编译码算法的好码。首先研究了全息存储信道,提出了x平方律分布模型与不对称高斯分布模型;并将高性能的IRA码应用于全息存储系统,并进行了仿真研究。仿真结果表明:在全息存储系统中,IRA码的性能优于RS码等传统码,而且x平方律信道下的性能优于高斯信道。     

基于EXCEL/VBA的马尔柯夫预测法软件实现

马尔柯夫预测法在经济、科技、环境等领域有广泛应用,但计算过程复杂繁琐,我们基于EXCEL/VBA开发出相应软件可以迅速有效的解决此问题。     

基于马尔可夫链模型的P2P文件系统性能分析

针对基于P2P的文件系统管理机制进行研究,重点是对文件系统中的用户数量和访问请求这两个指标对性能影响的程度进行分析。将文件系统的工作状况分为两种情况:突发访问请求阶段和稳态访问阶段,分别对这两种工作阶段的性能变化情况进行分析。并采用马尔可夫链模型对文件系统中的用户数量和访问量建模,从理论上证明了影响P2P文件系统的性能关系式。     

基于隐马尔科夫模型的词性标注

词性标注是中文信息处理领域中的一个重要研究课题。本文首先介绍了隐马尔科夫模型的表示形式和需要解决的问题,然后论述了HMM模型参数估计的方法,并对运用Viterbi算法进行词性标注的基本原理进行了深入的研究。     

含高斯函数项方程解的探索

含高斯函数项方程是一类十分难解的方程,通过研究高斯函数的性质和含高斯函数的方程的特征,用换元法、图像法、放缩法、构造法和分区间讨论法等多种方法探讨了含高斯函数项方程的求解问题,并研究了一类特殊的含高斯函数项方程,拓展了相关问题的研究,为该类方程的研究提供参考。     

马尔可夫链在教学质量评价中的应用

本文利用马尔可夫链模型对教学质量进行评价,排除了学生基础差异造成的影响,对学校的发展具有一定的参考价值。     

整除与高斯函数的两个结论

研究了整除、最小公倍数以及高斯函数三者的联系.采用假设、讨论的方法,得出了关于这三者联系的两个重要结论.     

Multispecies coalescent and its applications to infer species phylogenies and cross-species gene flow

Multispecies coalescent (MSC) is the extension of the single-population coalescent model to multiple species. It integrates the phylogenetic process of species divergences and the population genetic process of coalescent, and provides a powerful framework for a number of inference problems using genomic sequence data from multiple species, including estimation of species divergence times and population sizes, estimation of species trees accommodating discordant gene trees, inference of cross-species gene flow and species delimitation. In this review, we introduce the major features of the MSC model, discuss full-likelihood and heuristic methods of species tree estimation and summarize recent methodological advances in inference of cross-species gene flow. We discuss the statistical and computational challenges in the field and research directions where breakthroughs may be likely in the next few years.     

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.     

关于K重马氏链的一类强极限定理

利用随机变量序列相对于K重马氏链的随机比较系数概念研究了关于状态序组出现的频率的一类强权限定理。