导读:本文包含了马尔科夫网络论文开题报告文献综述及选题提纲参考文献，主要关键词:商誉评估,马尔科夫链,灰色神经网络模型
马尔科夫网络论文文献综述
马尚[1]（2019）在《超额收益法在商誉价值评估中的应用分析——基于马尔科夫链修正的灰色神经网络模型》一文中研究指出作为企业整体价值中不可分割的一部分,商誉价值评估在企业运营管理和并购上市等经济活动中发挥的作用越来越大。但受限于商誉依附性、抽象性和不可确定性等特征,传统评估方法逐渐暴露出诸多问题。基于此,本文简要概述了选择超额收益法的原因,并针对其弊端构建灰色神经模型和马尔科夫链进行改进,再通过泸州老窖具体案例论述商誉评估过程,同时对模型合理性进行分析,希望为商誉价值评估准确性和科学性的提高提供一定借鉴作用。(本文来源于《财会通讯》期刊2019年29期）
谭翔元,高晓光,贺楚超[2]（2019）在《基于马尔科夫毯约束的最优贝叶斯网络结构学习算法》一文中研究指出本文针对最优贝叶斯网络的结构学习问题,在动态规划算法(Dynamic Programming,DP)的基础上,使用IAMB算法(Incremental Association Markov Blanket,IAMB)计算得到的马尔科夫毯对评分计算过程进行约束,减少了评分的计算次数,提出了基于马尔科夫毯约束的动态规划算法(Dynamic Programming Constrained with Markov Blanket,DPCMB),研究了IAMB算法中重要性阈值对DPCMB算法的各项性能指标的影响,给出了调整阈值的合理建议.实验结果表明,DPCMB算法可以通过调整重要性阈值,使该算法的精度与DP算法相当,极大地减少了算法的运行时间、评分计算次数和所需存储空间.(本文来源于《电子学报》期刊2019年09期）
田雪,王昕,阎汝[3]（2019）在《基于BP神经网络-马尔科夫模型的BDI短期预测》一文中研究指出通过建立BP神经网络模型,利用相邻的BDI数据作为输入变量进行预测,避开了BDI短期预测时影响因素难以量化等问题,同时,利用马尔科夫模型修正神经网络的预测结果,提高预测精度,从而提出一种可用于BDI短期预测的方法。此研究对进出口企业正确核算商品进出口成本、航运公司合理分配运力以及提高自身竞争力等方面都具有重要意义。(本文来源于《信息与电脑(理论版)》期刊2019年14期）
王增光,卢昱,赵东昊[4]（2019）在《基于隐马尔科夫模型的网络安全风险评估方法》一文中研究指出为了能实时准确地评估网络安全风险,提出一种基于隐马尔科夫模型的网络安全风险评估方法。该方法基于隐马尔科夫模型对目标网络进行建模,通过节点的直接风险和相关性引起的间接风险来量化节点的安全风险;考虑节点在网络中的重要性程度,结合节点安全风险,量化目标网络的整体安全风险。通过实验对所提方法进行验证。实验结果表明:该方法能够对由节点相关性和节点重要性程度所带来的网络安全风险进行量化,使得网络安全风险评估结果更加准确、可信。与传统的网络安全风险评估方法相比,该方法能够更加及时地发现网络中的异常风险变化情况,为网络安全防御策略的及时调整提供依据。(本文来源于《空军工程大学学报(自然科学版)》期刊2019年03期）
刘浩,刘建华,惠馨雅[5]（2019）在《基于云模型和马尔科夫链的网络安全态势评估》一文中研究指出为了更好地解决网络安全态势评估中存在的不确定性和模糊性问题,结合随机过程和云理论,提出了一种基于云模型和马尔科夫链的网络安全态势评估方法。首先建立基于云模型的评估模型,得到实测值和评估值的相对误差范围,然后利用马尔科夫链对相对误差进行修正。结果表明,该方法兼顾了随机性和模糊性而且精度更高,可以较好地评估网络安全态势。(本文来源于《计算机与数字工程》期刊2019年06期）
陈美红[6]（2019）在《基于马尔科夫聚类的通信网络敏感信息监测》一文中研究指出通信网络敏感信息自动监测是识别网络异常行为的关键所在。针对目前方法难以有效区分通信网络异常行为与正常行为之间关系的问题,提出了一种基于马尔科夫聚类的网络敏感信息自动监测方法。该方法首先基于网络流信息构建邻接矩阵,然后利用马尔科夫聚类。利用聚类前后簇数和核心结构节点数目的变化特征,自动监测通信网络的敏感信息。实验结果表明,该方法能够有效监测出通信网络的敏感信息,且具有较高的识别准确率。(本文来源于《信息技术》期刊2019年05期）
张辛宬[7]（2019）在《基于隐马尔科夫模型及反向传播神经网络的音效素材分类》一文中研究指出随着多媒体技术发展和计算机运算效率提高,多媒体信息数据呈现快速增长的趋势。目前在国内广播电影电视行业的音效剪辑仅依靠人工听辨音效素材,由于素材声源混杂,且具有丰富语义及听觉特性,要从海量的音效素材中找到目标文件耗时且低效,因此迫切需要一个音效素材自动分类系统。本研究首次在广播电影电视行业内部应用机器学习方法对音效素材的自动分类进行探索,通过对音效素材提取特征参数建立标准数据集,采用不同的算法对于数据集学习训练并建立了基于反向传播神经网络的音效分类原型系统。研究核心为音频数据的相似度匹配算法以及音频数据的标注处理。主要工作及研究成果如下:1、实验对4074个音频文件分别提取了短时能量、短时平均过零率以及梅尔频率倒谱系数及其差分这叁类特征参数,根据不同类型算法建立了相应标准数据样本集。2、分别构建隐马尔科夫模型和反向传播神经网络模型对样本进行训练识别得到分类准确率并分别测试模型的性能;对两种算法及相关研究从算法结构、训练时间和识别率进行扩展讨论。结果表明:对于含有复杂声音来源且有较多易混淆元素的音效素材进行分类,反向传播神经网络训练方法更易实现效果,平均识别率接近90%左右。3、建立基于反向传播神经网络的音效分类原型系统,以便于今后音频工作者使用。(本文来源于《华南理工大学》期刊2019-04-12）
冯秘[8]（2019）在《复杂网络上非马尔科夫传播动力学解析研究》一文中研究指出现实世界中的流行病传播动力学过程依赖于人类的行为,其传播动力学的事件发生过程不能简单地被描述为泊松随机过程,相应的事件时间也不仅仅是指数分布的,因此具有典型的非马尔科夫性。截至目前为止,我们仍然缺乏一个合适的理论框架来分析和求解非马尔科夫传播动力学过程。为了解决这一难题,我们提出了一个能够分析处理复杂网络上感染和恢复时间为非指数分布的非马尔科夫SIS传播动力学的一阶平均场理论。该理论首次在SIS传播动力学中对单个节点的状态年龄的分布进行了细致的分析,同时区分了在非马尔科夫过程中两种不同的连边激活机制,建立了能够求解任意时刻该分布的偏微分方程组,并且两种不同的连边激活机制在偏微分方程组也被更加准确的进行了区分。值得注意的是,激活边上的不存在时序相关性的非马尔科夫过程需要更为高阶的数学表示,而本文巧妙地对其进行了数学上的降维处理,使得在求解精度不变的情况下,计算的时间复杂度更低。通过数值模拟验证,一阶平均场理论能够准确预测非马尔科夫动力学在人工网络和真实网络上的暂态和稳态过程。值得注意的是,这一理论使我们能够解决现实中意义非常重大的问题,即在什么特定的条件下非马尔科夫传播动力学和马尔科夫传播动力学可以被视为等价。我们发现等价性的存在依赖于非马尔科夫传播中特定的激活边上的激活机制。具体而言,当激活边上不存在时序相关性时,等价性即可成立,这极大地促进了对非马尔科夫传播动力学过程的分析和理解。当相关性不能被忽略时,一个精确的等价性将不再存在,但是,如果感染密度相对比较大,对应的非马尔科夫过程就可以被近似等价为马尔科夫过程。此外,我们总结出了模拟非马尔科夫动力学过程的同步更新和异步更新算法,并给出了这两种算法的数学理论基础。其中,按照算法的不同,异步更新方法可以分为两类:一类是给随机的事件发生时间分配随机发生的事件,另一类是给每个潜在的事件分配随机的事件发生时间。另外,我们确定了在不同连边激活机制下SIS模型的动力学相关性的主要来源,发现在感染态节点之间是不存在动力学相关性的,易感态节点之间的动力学相关性都是主要来源于易感节点之间对疾病传播的能力缺失,感染态节点与易感态节点之间的动力学相关性在不同的连边激活机制下是不一样的,对于存在时序相关性的连边激活机制,其动力学相关性来源于激活边上的时序相关性,对于没有时序相关性的连边激活机制,其动力学相关性来源于激活边的疾病传播过程与易感态节点的被感染过程之间的因果相关性。我们的理论为发展更全面的理论框架提供了新的方向,我们的发现为现实世界中的流行病传播过程提供了普适的分析思路。(本文来源于《电子科技大学》期刊2019-03-27）
唐伦,施颖洁,杨希希,陈前斌[9]（2018）在《非正交多址接入系统中基于受限马尔科夫决策过程的网络切片虚拟资源分配算法》一文中研究指出针对无线接入网络切片虚拟资源分配优化问题,该文提出基于受限马尔可夫决策过程(CMDP)的网络切片自适应虚拟资源分配算法。首先,该算法在非正交多址接入(NOMA)系统中以用户中断概率和切片队列积压为约束,切片的总速率作为回报,运用受限马尔可夫决策过程理论构建资源自适应问题的动态优化模型;其次定义后决策状态,规避最优值函数中的期望运算;进一步地,针对马尔科夫决策过程(MDP)的"维度灾难"问题,基于近似动态规划理论,定义关于分配行为的基函数,替代决策后状态空间,减少计算维度;最后设计了一种自适应虚拟资源分配算法,通过与外部环境的不断交互学习,动态调整资源分配策略,优化切片性能。仿真结果表明,该算法可以较好地提高系统的性能,满足切片的服务需求。(本文来源于《电子与信息学报》期刊2018年12期）
马鹏宇,杜波[10]（2018）在《一类具马尔科夫链中立型随机神经网络的动力学性质（英文）》一文中研究指出A generalized neutral stochastic functional differential equation(NSFDE) with Markovian switching is studied. We will discuss some important properties of the solutions including boundedness and exponential stability by using Lyapunov-Krasovskii functional,Matrix inequality and some analysis techniques. Finally, an numerical example for neutral stochastic neural networks with Markovian switching is given to show the effectiveness of the results in this paper.(本文来源于《数学季刊(英文版)》期刊2018年03期）
马尔科夫网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文针对最优贝叶斯网络的结构学习问题,在动态规划算法(Dynamic Programming,DP)的基础上,使用IAMB算法(Incremental Association Markov Blanket,IAMB)计算得到的马尔科夫毯对评分计算过程进行约束,减少了评分的计算次数,提出了基于马尔科夫毯约束的动态规划算法(Dynamic Programming Constrained with Markov Blanket,DPCMB),研究了IAMB算法中重要性阈值对DPCMB算法的各项性能指标的影响,给出了调整阈值的合理建议.实验结果表明,DPCMB算法可以通过调整重要性阈值,使该算法的精度与DP算法相当,极大地减少了算法的运行时间、评分计算次数和所需存储空间.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
马尔科夫网络论文参考文献
[1].马尚.超额收益法在商誉价值评估中的应用分析——基于马尔科夫链修正的灰色神经网络模型[J].财会通讯.2019
[2].谭翔元,高晓光,贺楚超.基于马尔科夫毯约束的最优贝叶斯网络结构学习算法[J].电子学报.2019
[3].田雪,王昕,阎汝.基于BP神经网络-马尔科夫模型的BDI短期预测[J].信息与电脑(理论版).2019
[4].王增光,卢昱,赵东昊.基于隐马尔科夫模型的网络安全风险评估方法[J].空军工程大学学报(自然科学版).2019
[5].刘浩,刘建华,惠馨雅.基于云模型和马尔科夫链的网络安全态势评估[J].计算机与数字工程.2019
[6].陈美红.基于马尔科夫聚类的通信网络敏感信息监测[J].信息技术.2019
[7].张辛宬.基于隐马尔科夫模型及反向传播神经网络的音效素材分类[D].华南理工大学.2019
[8].冯秘.复杂网络上非马尔科夫传播动力学解析研究[D].电子科技大学.2019
[9].唐伦,施颖洁,杨希希,陈前斌.非正交多址接入系统中基于受限马尔科夫决策过程的网络切片虚拟资源分配算法[J].电子与信息学报.2018
[10].马鹏宇,杜波.一类具马尔科夫链中立型随机神经网络的动力学性质（英文）[J].数学季刊(英文版).2018