导读:本文包含了隐半马尔可夫模型论文开题报告文献综述及选题提纲参考文献，主要关键词:虚拟网络,生存性模型,半马尔可夫过程,重构策略
隐半马尔可夫模型论文文献综述
苏玉泽,孟相如,康巧燕,韩晓阳[1]（2019）在《基于半马尔可夫过程的虚拟网络生存性模型》一文中研究指出针对虚拟网络生存性缺乏准确的定量描述,提出了一种基于半马尔可夫过程(semi-Markov process,SMP)的虚拟网络生存性模型。根据虚拟网络运行特征,重点引入虚拟网络重构状态以及认知状态,构建一种优化的虚拟网络状态转移图,并引入半马尔可夫理论,建立虚拟网络状态转移概率方程,构建基于SMP的虚拟网络生存性模型,最后通过仿真实验验证了虚拟网络生存性对各参量的敏感度以及不同类型虚拟网络的生存性特点。仿真表明,降低网络部件发生故障的概率,提高虚拟网络攻击识别概率和虚拟网络重构成功概率可以显着提高虚拟网络生存性;在映射阶段进行资源备份可以显着增强军事虚拟网络生存性。(本文来源于《科学技术与工程》期刊2019年24期）
马兰,崔博花,刘轩,岳猛,吴志军[2]（2019）在《基于隐半马尔可夫模型的SWIM应用层DDoS攻击的检测方法》一文中研究指出针对广域信息管理(SWIM)系统受到应用层分布式拒绝服务(DDoS)攻击的问题,提出了一种基于隐半马尔可夫模型(HSMM)的SWIM应用层DDoS攻击的检测方法。首先采用改进后的前向后向算法,利用HSMM建立动态异常检测模型动态地追踪正常SWIM用户的浏览行为;然后通过学习和预测正常SWIM用户行为得出正常检测区间;最后选取访问包的大小和请求时间间隔为特征进行建模,并训练模型进行异常检测。实验结果表明,所提方法在攻击1和攻击2情况下检测率分别为99.95%和91.89%,与快速前向后向算法构建的HSMM相比,检测率提升了0.9%。测试结果表明所提方法可以有效地检测SWIM系统应用层DDoS攻击。(本文来源于《计算机应用》期刊2019年07期）
张华[3]（2018）在《融合动态半马尔可夫路径搜索模型的云计算系统故障检测方法》一文中研究指出为了提高云计算系统故障检测性能,降低单一判别参数在单位过程中的约束,提出了一种融合动态半马尔可夫路径搜索模型的云计算系统故障检测方法。首先通过动态半马尔可夫算法分析快速故障检测,其次引入参数故障覆盖范围,利用动态半马尔可夫路径搜索模型实现对故障的有效筛选。仿真结果表明:该方法具有较高的故障检测率和较低的故障误检率。(本文来源于《信阳农林学院学报》期刊2018年02期）
杨柳[4]（2018）在《基于隐半马尔可夫模型的液压泵剩余使用寿命预测》一文中研究指出随着科学技术的发展,可靠性研究成为一个热点领域。军用装备的可靠性直接关系到我国的国防建设,液压元件是军用装备中的重要部件,研究液压元件的剩余使用寿命对于提高整个系统的可靠性具有重要意义。本文致力于对液压泵的剩余使用寿命进行预测,主要研究包括:(1)研究了液压泵的失效机理,液压泵的主要失效模式是油液污染颗粒引起的磨损失效。分析了液压泵磨损寿命的影响因素,给出了这些影响因素所占的比重,试验中通过调控各影响因素可以模拟液压泵的实际工况。设计并搭建了液压泵的磨损试验台,提出了基本的试验流程,为液压泵剩余使用寿命的研究提供试验数据。(2)本文展示了现有的基于隐半马尔可夫模型的剩余寿命预测理论,并提出了一种基于观测序列预测和状态识别的剩余寿命预测模型。首先,采用一种遗传算法和神经网络的组合模型,用于对观测序列的预测,将来时刻的观测序列可以用于识别临近的状态转折点,这使得每一个观测点都有唯一的剩余使用寿命。另外,提出了一种改进的序贯重要性重抽样方法,该方法结合隐半马尔可夫模型的模型参数,可以实现状态识别功能,结果证明这种方法有较高的识别精度。(3)采用一种遗传算法和神经网络的组合模型用于观测序列的预测。遗传算法的全局搜索能力,可以确定神经网络的最优参数。本文主要是通过遗传算法确定神经网络模型的学习效率和动量系数,以发挥神经网络的最大性能。(4)提出了一种用于状态识别的改进的序贯重要重抽样算法。序贯重要性重抽样算法是基于马尔可夫过程的,但这不适用于隐半马尔可夫模型。故本文在序贯重要性重采样算法的重要概率分布中,引入了状态驻留概率,很好地解决了该问题。(5)以液压齿轮泵为研究对象,进行了观测量的预测、健康状态的识别以及剩余寿命的预测。结果表明,遗传算法和神经网络的组合模型对观测序列的预测具有良好的性能,基于改进的序贯重要性重抽样算法的状态识别精度要高于基于隐半马尔可夫模型库的方法,基于观测序列预测和状态识别的剩余寿命预测模型可以实现对剩余寿命的预测功能且具有良好的预测性能。(本文来源于《西安电子科技大学》期刊2018-06-01）
王翠[5]（2018）在《离散时间半马尔可夫风险模型的破产问题研究》一文中研究指出近年来,人们越来越关注对风险理论的研究,这其中的热点之一就是与保险相关的问题.与传统的金融保险模式相比,马尔可夫调节的风险模型更加符合实际的金融保险数据.而半马尔可夫风险模型为了描绘保险公司的环境变化,以建立一个外在的马可夫环境的方式,利用状态间的转移描述各种因素对保险公司实际运营所产生的影响,可以用来处理保险公司实际运营过程中出现的各种相依关系.同时,模型具有的条件独立属性使得在数学处理上极为方便.所以,离散时间半马尔可夫风险模型所具备的重大理论意义与实践价值吸引人们进行进一步的研究.本文主要研究叁类基于离散时间半马尔可夫过程的风险模型.利用概率生成函数的方法,给出破产概率或者Gerber-Shiu期望折现惩罚函数所满足的递归公式.最后,为了验证理论结果,采用数值例子的方式进行说明.本论文共分为四章:第一章,首先介绍保险理论的发展进程和理论价值,然后给出与离散时间半马尔可夫风险模型相关的预备知识,比如马尔可夫过程,半马尔可夫过程,概率生成函数,Gerber-Shiu期望折现惩罚函数的定义及性质.第二章,本章以离散时间半马尔可夫风险模型为中心,研究当保费随机情况下的离散时间半马尔可夫风险模型的生存概率.利用概率生成函数技巧,首先得到该模型下具有随机保费的生存概率的递推公式.然后,根据该递推公式得到相应的破产概率.第叁章,在第二章的基础上,考虑具有随机保费随机分红的Gerber-Shiu期望折现惩罚函数递推公式.同样思路,为了得到递推公式,先使用概率生成函数的方法,最后再计算相应的破产概率.第四章,以第二章和第叁章为出发点,进一步推广了离散时间半马尔可夫风险模型.考虑对股东和投保人都随机分红的情况,得到关于离散时间半马尔可夫风险模型相应的破产概率.同时利用数值例子以及图表等方式分析出参数对破产概率的影响.(本文来源于《辽宁师范大学》期刊2018-04-01）
陆晓华,左洪福[6]（2017）在《基于半马尔可夫模型的民用航空发动机热端组件系统检查间隔优化》一文中研究指出根据采集的民用航空发动机热端组件系统检修信息和专家对系统退化状态的判别,在系统状态退化过程为离散半马尔可夫链过程的假设前提下,分别建立了基于专家估计数据、基于检查数据以及基于融合数据的各宏观退化状态驻留时间估计模型,并应用最大似然函数法和MCMC(Markov chain Monte Carlo)法对模型参数进行估计,得到基于不同数据源的各宏观退化状态下驻留时间估计值和状态转移系数,并以一定使用周期内的检修费用最优为目标建立状态转移概率模型,仿真得到3个典型宏观退化状态下的最优检查间隔分别为1750、350、70循环。该仿真结果与目前的民航运行生产工程实际情况非常接近,可以为民航运输企业的检修决策提供客户化的决策支持并提高经济效益。(本文来源于《航空动力学报》期刊2017年12期）
刘勤明,李亚琴,吕文元,叶春明[7]（2016）在《基于自适应隐式半马尔可夫模型的设备健康诊断与寿命预测方法》一文中研究指出针对设备健康诊断与寿命预测问题,提出一种基于自适应隐式半马尔可夫模型(AHSMM)结合多传感器信息的设备健康预测方法。提出了AHSMM的前向—后向算法、Viterbi算法和Baum-Welch算法,有效降低了模型的计算复杂性。利用最大似然线性回归训练对输出概率分布和驻留概率分布进行自适应训练,处理多传感器信息间的差异性,进行有效的多传感器信息融合,以更加准确地进行设备健康诊断与寿命预测。利用失效率理论建立了对设备剩余使用寿命进行预测的基本步骤。通过美国卡特彼勒公司液压泵的状态识别和健康预测实际案例对所提出的方法进行评价与验证,实验结果表明,基于AHSMM的设备健康诊断和性能衰退预测方法比传统的隐式半马尔可夫模型(HSMM)更有效。(本文来源于《计算机集成制造系统》期刊2016年09期）
田杰,王子豪,魏玉宏[8]（2016）在《基于平滑高斯半马尔可夫模型的移动无线传感器网络生成树算法》一文中研究指出针对以往移动无线传感器网络研究只是单纯地对移动群体进行分簇而没有充分利用组群移动的内部稳定性的问题,结合组移动模型中节点运动的规律和内聚性原理,采用平滑高斯半马尔可夫移动模型刻画组内单个节点移动特征,构建了一种适合移动网络的稳定生成树算法(GM-base stable spanning tree algorithm,GSST);实验证明,该算法从单个节点运动变化入手,在预测未来节点运动情况,选择稳定的链路构建网络结构方面,提高了移动网络的稳定性;同时,利用树的分层特征,简化移动网络的组网过程,并实现网络重组局部化;该算法有效延长节点存活率,均衡数据传输量。(本文来源于《计算机测量与控制》期刊2016年06期）
姚泊彰[9]（2015）在《半马尔可夫跳变系统的模型降阶》一文中研究指出半马尔可夫跳变过程作为描述更接近于实际工程问题的数学模型,有着极高的实际应用价值和深厚的物理背景。其研究出来的成果与控制工程中的相关问题密切关联,已经得到了国内外广大学者的关注,并且部分研究成果已经被成功地应用于容错控制、网络控制系统和现代通信技术等领域。而另一方面,对突变系统进行建模后通常有较高的阶次,这会给系统的分析、仿真及设计带来很大的困难,所以通常希望能在误差允许的范围内用低阶模型去模拟高阶模型。本文的主要目标即是针对连续时间半马尔可夫跳变系统进行模型降阶,具体内容如下:首先,文章给出了连续时间半马尔可夫跳变系统及其降阶系统的模型,并在此基础上确定了增广形式的误差模型。基于该误差模型及逗留时间分布概率,并选择恰当的Lyapunov函数,论文中得到了使模型误差系统稳定的稳定性分析条件。然后,在该稳定性分析条件的基础上,文中基于两种方法,即凸线性化方法和迭代方法,分别得出了新的稳定性分析条件。由于在得出的稳定性条件中存在时变转移速率,文中引入时变转移速率上、下界,并借助于逗留时间分割的方法,得出了保守性更小的稳定性分析条件并给出了相应的降阶模型求解方法。在第叁章最后论文给出了相应的仿真结果,并对比分析了不同方法的有效性及优劣性。最后,论文利用第叁章得到的部分结果将其拓展到更为一般的系统模型降阶上,即具有时变时滞的半马尔可夫跳变系统的模型降阶问题。针对系统模型中具有的的时变延时,通过选择恰当的Lyapunov函数,运用输入输出方法,并再一次基于凸线性化方法给出了新的时滞相关稳定性分析条件以及降阶模型求解方法。需要注意的是,叁、四章的仿真结果均是基于LMI求解的。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
王恩,杨永健,李莅[10]（2015）在《基于动态半马尔可夫路径搜索模型的DTN分簇路由方法》一文中研究指出在容迟网络环境下,文中提出一种基于动态半马尔可夫路径搜索模型的分簇路由方法 CRSMP(Clustering Routing method based on Semi-Markov process and Path-finding strategy),该方法既考虑了节点拥有的社会属性所导致的分簇问题,又考虑到节点间未来一段时间内的最大相遇概率以及对应的相遇时间,结合分簇结果和相遇情况生成动态路由表,完成一种单副本的路由方法.该方法首先依据节点间路径的相似程度进行分簇,然后运用半马尔可夫模型预测节点间未来某一时刻的相遇概率,依据源节点和目的节点所在的分簇确定可以应用到路由中的节点集合,最后根据路径搜索策略找到最优路径,生成与当前时刻有关的动态路由表.仿真结果表明CRSMP在缓存较小的情况下投递成功率远高于DirectDeliveryRouter、FirstContactRouter和SimBetRouter叁种单副本路由方式以及Spray and Wait、Epidemic和Prophet叁种多副本路由协议.在10M缓存下的CRSMP有着与500M缓存下的Epidemic相近的路由性能.进一步在真实数据集上进行测试,测试结果表明CRSMP算法依然有着较好的路由性能.(本文来源于《计算机学报》期刊2015年03期）
隐半马尔可夫模型论文开题报告
（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：
针对广域信息管理(SWIM)系统受到应用层分布式拒绝服务(DDoS)攻击的问题,提出了一种基于隐半马尔可夫模型(HSMM)的SWIM应用层DDoS攻击的检测方法。首先采用改进后的前向后向算法,利用HSMM建立动态异常检测模型动态地追踪正常SWIM用户的浏览行为;然后通过学习和预测正常SWIM用户行为得出正常检测区间;最后选取访问包的大小和请求时间间隔为特征进行建模,并训练模型进行异常检测。实验结果表明,所提方法在攻击1和攻击2情况下检测率分别为99.95%和91.89%,与快速前向后向算法构建的HSMM相比,检测率提升了0.9%。测试结果表明所提方法可以有效地检测SWIM系统应用层DDoS攻击。
（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。
隐半马尔可夫模型论文参考文献
[1].苏玉泽,孟相如,康巧燕,韩晓阳.基于半马尔可夫过程的虚拟网络生存性模型[J].科学技术与工程.2019
[2].马兰,崔博花,刘轩,岳猛,吴志军.基于隐半马尔可夫模型的SWIM应用层DDoS攻击的检测方法[J].计算机应用.2019
[3].张华.融合动态半马尔可夫路径搜索模型的云计算系统故障检测方法[J].信阳农林学院学报.2018
[4].杨柳.基于隐半马尔可夫模型的液压泵剩余使用寿命预测[D].西安电子科技大学.2018
[5].王翠.离散时间半马尔可夫风险模型的破产问题研究[D].辽宁师范大学.2018
[6].陆晓华,左洪福.基于半马尔可夫模型的民用航空发动机热端组件系统检查间隔优化[J].航空动力学报.2017
[7].刘勤明,李亚琴,吕文元,叶春明.基于自适应隐式半马尔可夫模型的设备健康诊断与寿命预测方法[J].计算机集成制造系统.2016
[8].田杰,王子豪,魏玉宏.基于平滑高斯半马尔可夫模型的移动无线传感器网络生成树算法[J].计算机测量与控制.2016
[9].姚泊彰.半马尔可夫跳变系统的模型降阶[D].哈尔滨工业大学.2015
[10].王恩,杨永健,李莅.基于动态半马尔可夫路径搜索模型的DTN分簇路由方法[J].计算机学报.2015