导读:本文包含了转移概率论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,马尔,系统,网络,矩阵,节点,镇定。
转移概率论文文献综述
李晨,黄元元,胡作进[1]（2019）在《基于关键动作双重转移概率的连续手语语句识别算法》一文中研究指出目前,连续手语识别的最大难点在于如何对其中包含的词汇进行有效分割。本文将关键动作看作手语的基元,提出了一种基于关键动作双重转移概率的连续手语识别算法。在获得连续手语基元序列的前提下,根据相邻基元的词内及词间转移关系,可以有效地寻找到词汇边界,从而对基元序列做分割,并逐一识别出各基元分组的候选词汇。最后,根据不同基元分组的候选词汇间的转移概率,计算出对应合成句子的概率,并按照最大概率原则输出连续手语的最终识别结果。该算法容易实现,执行效率高,经实验验证其可以面向非特定人群。(本文来源于《计算机科学》期刊2019年S2期）
熊威,顾德,刘飞[2]（2019）在《转移概率部分未知时滞跳变系统有限时间H_∞控制》一文中研究指出时滞是许多工业系统的固有特性,会导致系统控制性能的下降,甚至影响系统稳定,而在实际系统中,有限时间系统的特性更值得关注;针对上述情况,对一类具有时滞的马尔可夫跳变系统有限时间控制器设计的问题进行了研究;把转移概率完全已知的条件放宽至部分未知的更一般情形,采用自由权重的方法,保证所得的线性矩阵不等式具有更小的保守性;首先,给出马尔科夫跳变系统有限时间有界性、有限时间H∞有界性的判定准则;然后,通过对线性矩阵不等式(LMIs)求解,获得状态观测器和状态反馈控制器的增益矩阵;最后,仿真实例验证所提算法的有效性。(本文来源于《计算机测量与控制》期刊2019年07期）
孙维阳,刘雨[3]（2019）在《一类转移概率部分未知的Markov跳跃系统的输入输出量化反馈控制》一文中研究指出对一类离散时间马尔可夫跳跃系统(Markov jump systems,MJSs)的稳定性问题进行研究,考虑MJSs转移概率矩阵中的元素部分未知,且系统的控制输入通道和测量输出通道都存在信号量化的情况,其中控制器输入通道和系统输入通道的信号分别被两个不同的对数量化器量化。利用切换李雅普诺夫函数的方法,通过构造系统模态依赖且双通道量化误差依赖的李雅普诺夫函数,完成对闭环系统的稳定性分析和控制器设计。得到一组模态依赖的控制器,能够在系统的转移概率部分未知和存在双通道量化误差的条件下,保证闭环MJSs的随机稳定性。最后通过仿真实验验证了理论的有效性。(本文来源于《系统工程与电子技术》期刊2019年08期）
孙澜澜[4]（2019）在《交互式多模型的转移概率自适应算法研究及应用》一文中研究指出交互式多模型(Interacting Multiple Model,IMM)兼具低计算量与高精度的优势,是最主流、最具费效比的多模型算法,在混合系统状态估计领域有着广泛的应用。转移概率矩阵(Transition Probability Matrix,TPM)是IMM算法中的重要参数,往往根据先验信息被设置为固定的常数矩阵,这是一种保守而折中的参数设定方法,导致IMM算法不能达到预期性能。本文分析了IMM算法估计混合系统状态时,不同系统状态下对TPM的需求,针对其转移概率自适应算法的研究与应用展开了如下工作:1、由于模型概率的斜率中蕴含着系统模型模型跳转趋势,因此根据该斜率构造了转移概率修正函数,提出了一种基于模型概率斜率修正的转移概率自适应交互式多模型算法,并通过仿真实验验证了算法的性能。2、根据后项差分思想,构造了基于模型概率后项差分的转移概率修正函数,提出一种基于模型概率N阶后项差分的转移概率自适应交互式多模型算法,分析了差分阶数N对算法性能的影响,并通过仿真实验验证算法的性能。3、针对上述根据模型概率信息修正的IMM算法不能适时判断系统当前模型状态,导致算法响应模型跳转能力弱化的问题,提出了一种基于似然函数比的模型跳转判断方法,通过该方法提供的当前模型信息重新构造了转移概率修正函数,提出一种基于转移概率自适应的并行交互式多模型算法,采用仿真实验验证了该算法的性能。模型切换阈值是该算法的重要参数,通过理论分析与仿真实验给出了该参数的设置准则。4、运行列车的运动状态分析实际上是一种混合系统状态估计问题,针对动力学模型集参数难确定的问题,提出一种基于受力分析的列车动力学模型集建模方法,并将本文所提的转移概率自适应IMM算法应用于列车运动状态分析中,仿真实验证明了本文所提建模方法、转移概率自适应交互式多模型算法在列车运动状态分析中的可行性与有效性。(本文来源于《西安理工大学》期刊2019-06-30）
李剑蓝[5]（2019）在《基于动态转移概率的网络态势预测方法研究》一文中研究指出网络态势预测是网络态势感知领域的重要组成部分。鉴于目前网络状态变化莫测,网络攻击形式层出不穷,而现有的网络态势预测手段具有实时性差或者计算量繁重的特点,难以对网络态势进行准确有效的预测。对此,文中通过分析不同形式网络攻击下的网络状态变化特点,引入网络波动率的概念并用其描述网络波动状况,结合马尔可夫链提出一种基于动态转移概率的网络态势预测方法。该方法通过实时计算影响力衰减周期来计算转移概率,根据实际网络波动情况自适应更新转移概率的计算方式,从而动态地对网络态势进行预测,得到更准确有效的预测效果。对基于动态转移概率的网络态势预测模型进行了形式化描述并进行了原型实验,实验结果显示,该网络态势预测方法具有较高的准确性和可行性。(本文来源于《计算机技术与发展》期刊2019年11期）
马峻岩,张特,王瑾[6]（2019）在《基于任务转移概率的感知节点异常运行状态检测方法》一文中研究指出针对无线传感器网络中感知节点异常状态检测困难问题,提出了一种基于感知节点任务转移概率的节点状态特征描述方式,利用该特征判断感知节点的运行状态,实现节点异常检测.基于任务转移概率的异常检测方法(T2PAD),根据感知节点运行任务的一步转移概率特征,对节点的运行状态进行分析,通过对转移概率向量相似性进行异常检测,识别出导致异常的任务,缩小并定位异常范围,为修正异常提供依据.传感器网络开源代码库中的缺陷实例验证了T2PAD对于异常检测的有效性.(本文来源于《北京邮电大学学报》期刊2019年03期）
姚得银[7]（2019）在《部分转移概率未知的马尔科夫跳变系统的分析与综合》一文中研究指出实际的控制系统经常发生执行器的失效、参数漂移和子系统内部联接的变化等现象,且这些负面情况会随机影响控制系统的结构。具有这些特征的系统一般有多个工作模型,并且每个模型可用一组微分方程进行描述,马尔科夫跳变系统可以描述该类系统。在电力、机械手臂和交通等众多领域,马尔科夫跳变系统作为一类特殊的混杂动态系统将其优势展现得淋漓尽致。尽管马尔科夫跳变系统在许多控制领域方面都有涉及并取得良好的结果,但是在运用马尔科夫跳变系统对实际问题进行数学建模的时候,转移速率矩阵中的全部元素都是已知的理想条件是具有保守性的。在实际控制系统中,转移速率的信息很难通过传感器测量或者测量存在误差,这种信息的不完整和测量误差很有可能导致在转移速率矩阵元素完全精确的假设下,设计的控制器无法镇定实际系统。因此,在实际控制系统中,转移速率是完全已知的情形往往是无法成立的,也就是说,系统的转移概率是部分已知的。例如,在网络化控制系统数学建模的时候,数据包丢失和通信延迟是由马尔科夫链模型建立,并且在理论研究上,假设所有的转移速率是完全可测的。但是几乎所有类型的通信网络,在不同网络运行期间,通信延迟的变化或者数据丢包可能是模糊的和随机的,也就是说,转移速率矩阵中的元素信息难以全部获得或者需要花费很大代价去测量。因此,如何建立一个更加符合现实情形的马尔科夫跳变系统数学模型,并且针对该系统提供有效的研究方法就变得尤为重要。因此,研究部分转移概率已知的马尔科夫跳变系统的分析和综合问题具有深刻的实际意义和理论价值。在马尔科夫跳变系统的框架下,在转移概率部分未知的情况下,本论文利用H∞滤波、自适应控制和滑模控制叁种方法分别考虑了连续时间和离散时间的马尔科夫跳变系统的H∞滤波器和鲁棒自适应滑模控制器等设计问题。论文主要研究工作可以概括如下。第一章绪论首先介绍了本文的研究背景和意义及其研究现状。其次介绍了具有部分转移概率未知的情况下,连续时间和离散时间马尔科夫跳变系统的稳定性条件。第二章研究了部分转移概率未知和模态依赖量化输出马尔科夫跳变系统的H∞滤波问题。考虑测量输出和量化输出均受到外界干扰的影响,且系统存在参数不确定性,转移概率难以全部获得以及因带宽受限、通讯约束等造成的通信数据丢失。通过设计H∞滤波器保证闭环系统随机稳定,并且具有H∞性能指标。最后,通过两个例子来证明算法的有效性。第叁章分析了具有时变执行器故障和部分转移概率未知的马尔科夫跳变系统自适应滑模控制器合成问题。在实际的动力学系统中,非线性、外界干扰和执行器故障等因素都会不可避免地出现。转移速率的全部信息很难通过传感器测量或者测量存在误差,这种信息的不完整和测量误差有可能导致在转移速率矩阵元素完全精确获得的假设下,设计的控制器无法镇定实际系统。因此,转移速率完全已知的情形是不现实的,也就是说,系统的转移概率是部分已知的。由于设计的自适应滑模控制器对未知参数具有在线调节功能,因此得到的稳定性结果具有较弱的保守性。最后,通过数值仿真证明方法的有效性。第四章处理了部分转移概率未知的时滞马尔科夫跳变系统的自适应滑模控制问题。针对系统状态不可测的情况,设计滑模观测器测量系统的状态变量。转移速率的全部信息很难通过传感器测量或者测量存在误差,这种信息的不完整和误差很有可能导致在转移速率矩阵元素完全精确的假设下,设计的滑模控制器无法镇定实际系统。因此,转移速率完全已知的情形往往是无法成立的,其意味着系统的转移概率是部分已知的。因此,针对上述问题,本章设计相应的切换面函数以及自适应滑模控制器保证部分转移概率未知的时滞马尔科夫跳变系统的稳定性。最后,通过数值例子验证提出方法的有效性。第五章解决了部分转移概率未知的离散时间不确定马尔科夫跳变系统自适应滑模控制问题。构造新颖的自适应滑模控制器保证整个闭环系统的稳定性和滑模面的到达性。设计的自适应滑模控制器可以有效地削弱系统的抖振问题。最后,通过数值仿真证明方法的有效性。第六章分析了部分转移概率未知、状态不可测和随机传感器延迟的马尔科夫跳变系统滑模控制问题。在传感器延迟和转移概率未知的情况下,基于设计的状态观测器,合成新颖的滑模控制器保证由原系统和误差动态系统组成的闭环系统稳定性。最后,通过数值仿真证明方法的有效性。(本文来源于《广东工业大学》期刊2019-06-01）
周子恒,栾小丽,刘飞[8]（2019）在《高斯转移概率离散Markov跳变系统镇定域研究》一文中研究指出针对转移概率服从高斯分布的离散Markov跳变系统,研究基于截断高斯转移概率均值和方差信息的状态反馈控制器设计以及可镇定域求解问题。首先,将截断高斯转移概率的均值和方差信息引入控制器的设计,降低了已有设计方法的保守性。进一步,为了揭示系统参数、截断高斯转移概率的均值和方差对系统可镇定域的影响,采用矩阵特征值估计方法,求解闭环系统可镇定域的解析表达式。最后仿真示例对所提控制算法进行了验证。(本文来源于《控制工程》期刊2019年05期）
李新平,朱铭来[9]（2019）在《基于转移概率矩阵模型的失能老年人长期照护保险缴费率分析——以天津市为研究对象》一文中研究指出健康老龄化是实现"健康中国战略"的重要组成部分,为此国家应逐步建立长期照护保险制度来应对日益上涨的长期照护成本支出。基于政府补贴、长期照护保险和个人自付共同负担长期照护成本的假设前提,利用2010年第六次人口普查关于天津市人口年龄结构数据、2012年和2014年天津市关于农村老人和失能老人两次调查数据,建立转移概率矩阵模型预测60岁及以上老年人健康状态的动态变化及其长期照护需求的总成本,在此基础上测算出2016-2050年的长期照护保险缴费水平处于(2.51%-21.82%),34年间提高了8倍多。可见长期照护保险基金负担将越来越重,未来构建长期照护保险制度应及早规划缴费分担机制和筹资来源渠道。(本文来源于《人口与发展》期刊2019年02期）
徐风风,林瑞全,余康舟[10]（2019）在《转移概率未知下Markov线性切换系统的H_∞控制》一文中研究指出研究了一类具有Markov特性的随机时延切换系统的H_∞控制问题。具体针对切换系统数据传输的随机时延特性,将随机时延转换成一类转移概率未知的Markov序列,基于模态依赖型Lyapunov函数设计了模态依赖状态反馈控制器。在此基础上,通过求解线性矩阵不等式(LMI),得到了使控制系统渐近稳定且具有H_∞性能充分条件。数值算例表明,该设计方法有效。(本文来源于《闽江学院学报》期刊2019年02期）
转移概率论文开题报告
（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：
时滞是许多工业系统的固有特性,会导致系统控制性能的下降,甚至影响系统稳定,而在实际系统中,有限时间系统的特性更值得关注;针对上述情况,对一类具有时滞的马尔可夫跳变系统有限时间控制器设计的问题进行了研究;把转移概率完全已知的条件放宽至部分未知的更一般情形,采用自由权重的方法,保证所得的线性矩阵不等式具有更小的保守性;首先,给出马尔科夫跳变系统有限时间有界性、有限时间H∞有界性的判定准则;然后,通过对线性矩阵不等式(LMIs)求解,获得状态观测器和状态反馈控制器的增益矩阵;最后,仿真实例验证所提算法的有效性。
（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。
转移概率论文参考文献
[1].李晨,黄元元,胡作进.基于关键动作双重转移概率的连续手语语句识别算法[J].计算机科学.2019
[2].熊威,顾德,刘飞.转移概率部分未知时滞跳变系统有限时间H_∞控制[J].计算机测量与控制.2019
[3].孙维阳,刘雨.一类转移概率部分未知的Markov跳跃系统的输入输出量化反馈控制[J].系统工程与电子技术.2019
[4].孙澜澜.交互式多模型的转移概率自适应算法研究及应用[D].西安理工大学.2019
[5].李剑蓝.基于动态转移概率的网络态势预测方法研究[J].计算机技术与发展.2019
[6].马峻岩,张特,王瑾.基于任务转移概率的感知节点异常运行状态检测方法[J].北京邮电大学学报.2019
[7].姚得银.部分转移概率未知的马尔科夫跳变系统的分析与综合[D].广东工业大学.2019
[8].周子恒,栾小丽,刘飞.高斯转移概率离散Markov跳变系统镇定域研究[J].控制工程.2019
[9].李新平,朱铭来.基于转移概率矩阵模型的失能老年人长期照护保险缴费率分析——以天津市为研究对象[J].人口与发展.2019
[10].徐风风,林瑞全,余康舟.转移概率未知下Markov线性切换系统的H_∞控制[J].闽江学院学报.2019
论文知识图
