导读:本文包含了马氏过程论文开题报告文献综述、选题提纲参考文献,主要关键词:过程,马氏,不等式,拉普拉斯,稳态,小非,调性。
马氏过程论文文献综述写法
王康康[1](2019)在《谈马氏过程在经济生活中的应用》一文中研究指出马尔科夫过程是具有马尔科夫性质并且是存在于离散的指数集和状态空间内的随机过程。适用范围在连续指数集中的马尔科夫链我们称之为马尔科夫过程,但有的时候也被看作是马尔科夫链的子集,也就是连续时间的马尔科夫链。马尔科夫过程的应用十分广泛,不光在工业和商业中有所涉及,在经济和金融方面都有着极其重要的作用。结合实例给出马尔科夫过程在经济生活领域里的一些简单应用。阐述马氏过程在经济生活中的重要作用和应用价值。(本文来源于《安徽电子信息职业技术学院学报》期刊2019年05期)
宋娟,张铭[2](2019)在《非时齐马氏过程的Liggett-Stroock不等式》一文中研究指出本文将时齐马氏过程中重要的代数不等式Liggett-Stroock不等式推广到非时齐马氏过程中,建立了非时齐马氏过程的转移半群与Liggett-Stroock不等式之间的关系.(本文来源于《数学学报(中文版)》期刊2019年05期)
黄璇[3](2018)在《几类特殊马氏过程的占位时研究》一文中研究指出占位时是指随机过程停留在某一定区域上的相对总时长,它是近年来随机过程研究中的一个热门问题,被广泛应用于金融保险与风险模型中.近年来,国内外的学者提出了用各种方法求解不同的随机过程的占位时分布或拉普拉斯变换的表达式,并在布朗运动,复合泊松过程和MAP风险模型等随机过程中得到了应用.本文主要运用Li and Zhou(2014)中根据泊松过程的性质所采用的概率方法,研究了一维时齐扩散过程在n个不相交的有限区间上的联合占位时的拉普拉斯变换表达式,所得结果以其相应的微分方程的解的形式表示.根据同样的方法,我们还解得了谱负levy过程在有限区间上的占位时的双边折扣位势测度,其结果以尺度函数和特征指数的逆函数的形式表示.最后给出了实例运用.(本文来源于《湖南师范大学》期刊2018-06-01)
宋娟,张铭[4](2018)在《非时齐马氏过程的耦合基本定理》一文中研究指出本文将耦合方法应用于非时齐马氏过程,推广了时齐情形的耦合基本定理,为后续研究非时齐马氏过程的耦合提供了理论基础.(本文来源于《数学学报(中文版)》期刊2018年02期)
李国娟[5](2017)在《基于灰色预测理论和马氏过程的网络流量预测》一文中研究指出网络流量预测和异常检测的研究已取得非常好的研究成果,但是这些研究成果主要是基于大数据分析的,对网络设备的计算、存储能力以及资源都有较高的要求。因此,现有的预测和异常检测技术不适用于能源、资源受限的网络设备。但是,随着物联网的普及,这类设备越来越多的被用于网络中。所以为保证网络资源的合理分配和网络的安全性,对可适用于这类设备的网络流量预测和异常检测技术的研究是非常有必要的。灰色预测模型具有小样本性、贫信息、计算复杂度低叁大优点。小样本性和贫信息表明模型对数据需求量低,需要的存储资源非常有限;计算复杂度低是指需要的计算资源和能源有限。也就是说该算法的时空复杂度都比较低。本文主要探讨将灰色预测理论用于网络流量建模,特别是用于能源、资源受限的物联网等场合的网络流量预测与异常检测。主要包括如下几个方面:首先,对基本灰色预测模型进行了介绍,主要包括模型的建立条件以及模型精度和预测结果准确性的评断依据。其次,研究了网络流量数据的特点,验证了灰色预测模型在流量建模中的可行性。在基础的灰色预测模型上增加了数据预处理环节,分析研究不同缓冲算子对模型预测效果的影响,并确定了具有最优预测效果的缓冲算子。实验表明,对于实验中的网络流量,所确定的指数型弱化缓冲算子可以在基础灰色预测的基础上提高预测的精度。第叁,基础的灰色预测模型在预测时具有较高的预测精度,但不能实现信息的连续更新。本文通过新陈代谢灰色预测模型实现了信息连续更新的预测。结合前面的数据预处理算子最终确定了基于指数型弱化缓冲算子的新陈代谢灰色预测模型(ewboMGM_(1,1))。利用UK数据集对该模型做出了实验分析,结果表明该模型具有较高的预测精度、较快的预测速度。同时提出了基于马氏过程的网络流量趋势的预测,以概率的形式表示出未来流量的变化趋势,弥补了ewboMGM_(1,1)仅是定量预测的不足。最后,基于灰色预测模型,研究了基于多维统计特征的网络异常流量的检测方法。利用KDD数据集对文中所提方法和其他常用的两种异常检测方法做了实验分析。实验结果表明所提方法实现了时间和准确率的折中,在保证了准确率的基础上降低了异常检测时间。(本文来源于《西安电子科技大学》期刊2017-04-01)
张美娟,张铭[6](2017)在《非时齐马氏过程的随机单调性》一文中研究指出本文研究了非时齐马氏过程的随机单调性问题.利用时齐的马氏过程随机单调性的相关证明方法,加以改进,获得了非时齐马氏过程随机单调性的显式判定方法,并进一步将这一充分性条件推广为等价条件.(本文来源于《数学杂志》期刊2017年04期)
宋娟,张铭[7](2016)在《连续时间非时齐马氏过程的广义Dobrushin系数的估计》一文中研究指出本文研究了非时齐马氏过程的广义Dobrushin系数的估计问题.在将经典Dobrushin遍历系数推广为加权的遍历系数的基础上,利用了矩阵拆分的方法,得到了对这种广义遍历系数的估计方法,推广了时齐马氏过程关于遍历系数的估计结果,借此可进一步得到有关遍历性的判定结论.(本文来源于《数学杂志》期刊2016年05期)
张笑天[8](2015)在《逐段决定马氏过程可加泛函的期望与最小非负解》一文中研究指出逐段决定马尔可夫过程是一类应用广泛的马尔可夫过程,两个相邻跳时刻之间按照决定性系统演化.本文的目的是在逐段决定马氏过程X的可加泛函与A的刻划基础上,得到他们满足的积分方程(在Stieltis的意义下),进一步地,对不减的可加泛函,借助于最小非负解理论,证明上述期望是相应的积分方程的最小非负解.(本文来源于《河北工业大学》期刊2015-11-01)
屈聪,张水利,田菲[9](2015)在《一般状态空间马氏过程随机泛函的指数矩》一文中研究指出研究一般状态空间马氏过程随机泛函的指数矩,利用最小非负解理论,得到随机泛函的指数矩是相应方程的最小非负解,并利用此结论证明矩条件与漂移条件等价.(本文来源于《湖北大学学报(自然科学版)》期刊2015年05期)
张权,崔利荣,李艳君[10](2015)在《可修系统中半马氏过程的稳态分布》一文中研究指出众所周知,可修系统是可靠性理论中讨论的一类非常重要的系统,也是可靠性数学主要研究对象之一,研究可修系统的主要数学工具是马氏理论.当构成系统各部件的寿命分布和故障后的修理时间分布,及其出现的有关分布均为指数分布时,只要适当的定义系统的状态,这样的系统总可以用马氏过程来描述.大部分学者为了方便,均是在马氏框架下研究问题的.但是在实践中经常遇到部件的寿命或修理时间分布不是指数分布的情形,这时可修系统所构成的随机过程是半马氏过程,用现有的马氏理论无法解决相关问题.目前,关于半马氏的理论研究的研究又很少,基于此,针对半马氏的随机模型给出了与马氏理论相平行的稳态分布的求解方法.(本文来源于《数学的实践与认识》期刊2015年11期)
马氏过程论文开题报告范文
(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:
本文将时齐马氏过程中重要的代数不等式Liggett-Stroock不等式推广到非时齐马氏过程中,建立了非时齐马氏过程的转移半群与Liggett-Stroock不等式之间的关系.
(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。
马氏过程论文参考文献
[1].王康康.谈马氏过程在经济生活中的应用[J].安徽电子信息职业技术学院学报.2019
[2].宋娟,张铭.非时齐马氏过程的Liggett-Stroock不等式[J].数学学报(中文版).2019
[3].黄璇.几类特殊马氏过程的占位时研究[D].湖南师范大学.2018
[4].宋娟,张铭.非时齐马氏过程的耦合基本定理[J].数学学报(中文版).2018
[5].李国娟.基于灰色预测理论和马氏过程的网络流量预测[D].西安电子科技大学.2017
[6].张美娟,张铭.非时齐马氏过程的随机单调性[J].数学杂志.2017
[7].宋娟,张铭.连续时间非时齐马氏过程的广义Dobrushin系数的估计[J].数学杂志.2016
[8].张笑天.逐段决定马氏过程可加泛函的期望与最小非负解[D].河北工业大学.2015
[9].屈聪,张水利,田菲.一般状态空间马氏过程随机泛函的指数矩[J].湖北大学学报(自然科学版).2015
[10].张权,崔利荣,李艳君.可修系统中半马氏过程的稳态分布[J].数学的实践与认识.2015