基于双Markov链的效果评估模型研究

当前基于单Markov链的扫雷作战效果评估模型是一个理论意义大于实际的模型,如应用于实际的多Markov扫雷过程则还有相当的距离.文中从正交分解的角度,指出Markov评估模型只能得到定性评估结果.进一步提出了用于定性评估的双Markov模型,计算结果表明:在引入先验知识后,能在小样本数据条件下取得较为准确的评估结果.     

Markov模型的熵与参数估计

Markov模型在标准文本和手写文字的自动识别领域中有特别重要的应用.在讨论如何由观测数据来估计模型参数的问题中,代替Baum辅助函数采用模型的熵特性引入判断函数,并利用此判断函数获得模型参数的重估算法.     

基于马尔可夫过程的船舶电力系统可靠性和维修性分析

针对船舶电力系统的可靠性、维修性计算问题,从该系统主要运行方式的基本模型出发,提出了基于马尔可夫过程的船舶电力系统可靠性、维修性分析方法,建立了船舶电力系统可靠性、维修性的数学模型,推导出船舶电力系统可用度与可靠度的表达式,并给出了在船舶电站控制系统中的一个工程应用实例.     

随机选择修理工且修理延迟的可修系统的可靠性分析

研究了可随机选择修理工且修理延迟的可修系统．假定系统的寿命、延迟修理时间和修理时间均为广义指数分布．通过引进补充变量法并利用广义马尔可夫过程和拉普拉斯变换方法求出了系统的可用度、可靠度、维修频度和系统等待修理的概率等重要可靠性指标．     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题，提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点，首先采用PCA降维的方法对系统状态进行辨识；然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低，采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型，通过二者匹配程度判定系统状态。最后，分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下，基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态；制动管路断开压力降低状态下，PCA降维方法能够及时有效识别其危险状态。     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

灰色-马尔科夫油料消耗预测模型

运用灰色-马尔科夫模型对某油库油料消耗进行预测,克服了灰色预测与马尔科夫预测各自的缺点和不足,提高了预测的精度,增强了预测结果的可靠性、科学性和实用性。     

IMAGE SEGMENTATION BASED ON MARKOV RANDOM FIELD AND WATERSHED TECHNIQUES

IntroductionThere are many methods to perform imagesegmentation and edge detection tasks that incor-porate region- growing and edge detection tech-niques,for example,it is applying edge detectiontechniques to obtain Difference In Strength( DIS)map then employ region growing techniques towork on the map as in Refs.[1 ,2 ]. In the others,combining both special and intensity information inimage segmentation approach based on multi- reso-lution edge detection,region selection and intensi-ty thre…     

基于马尔可夫模型的地理信息系统研究

以“江西国土资源数字化研究”为项目背景,阐述了马尔可夫模型与地理信息系统结合的方法和意义,重点论述了基于数值区间划分的马尔可夫数值预测模型的理论基础和实现方案,理论论证和比较实验得出了马尔可夫预测模型在大量历史数据进行转移概率统计的情况下对于波动较大的数据有较好的预测效果.     

任意随机序列关于随机选择系统的一类强极限定理

主要研究任意随机序列在随机选择系统中的随机条件概率其调和平均的强极限定理。在证明中采用了一种把网微分法与条件矩母函数相结合应用于随机选择系统强极限定理研究的一种途径。作为推论,得到m重非齐次马氏链的一个强极限定理,并将已有的结果加以推广。