48、随机正则图上随机游走的病毒传播过程

随机正则图上随机游走的病毒传播过程

1. 系统动态与基本概念

在随机正则图上的随机游走系统中,随机游走具有混合时间 $T = O(k \ln n)$。当时间 $t \geq T$ 时,粒子的分布近似于平稳分布。由于图是正则的,平稳分布在图的顶点上是均匀的。

考虑粒子对集合 $A$,对于粒子对 $(x, y) \in A$,定义事件 $B(x,y)(t)$ 为:在时间段 $[T, t - 1]$ 内 $A$ 中没有粒子对相遇,且 $x$ 和 $y$ 在时间 $t$ 相遇。在一定限制条件下,有:
[Pr\left(B(x,y)(t)\right) \sim p (1 - |A|p)^{t - 1}]
其中
[p = \frac{1}{\theta r n}\left(1 + O\left(\frac{k \ln n}{n}\right)\right)]

在混合时间内,一般难以精确描述粒子的行为。但如果粒子初始处于一般位置,那么在高概率下,它们在混合时间内不会相遇。我们称对顶点 $v$ 的访问或粒子对的相遇是 $T$ - 不同的,如果它发生在之前的 $T$ - 不同访问/相遇或游走开始至少 $T$ 步之后。

2. 双粒子系统

当 $k = 2$ 时,设 $s$ 为初始感染粒子,$x$ 为另一个粒子。允许 $\xi < \infty$ 和/或 $\rho < 1$,前者意味着 $x$ 可能永远不会被感染,后者意味着 $s$ 和 $x$ 可能需要多次相遇才会发生相互作用。

根据前面的公式,$s$ 和 $x$ 在 $T$ 之后的首次相遇发生在第 $t$ 步的概率为:
[Pr(\

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值