资源描述：
《工程化教学思想在随机过程与排队论课程中的体现.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、工程化教学思想在随机过程与排队论课程中的体现摘要：随机过程与排对论课程属于计算机科学与技术专业研究生课程基础课程。本文介绍了我院是如何将工程化教学思想应用于课程教学中，从而对学生理解和掌握随机过程与排队论理论，并熟练运用所学知识起到非常积极的作用。
关键词
本文来自：计算机毕业网：随机过程；排队论；工程应用
1引言
当前计算机科学技术发展非常迅猛，而计算机科学的研究也是日新月异。在计算机科学研究中，一些最基本的研究工具必不可少，例如对算法的推导，优化方案设计等。因此在计算机科学研究生教学阶段
2、，有必要将科学研究中需要的一些基础知识开设为必修课程。在具体教学过程中，则体现为一门门的数学课程或基本的物理课程。
随机过程与排队论作为计算机科学研究必须的数学工具之一，通常被计算机科学与技术专业列为研究生必修课程。它是学生进一步科学研究或者前往公司负责重要的项目设计的理论基础。除了作为数学课程能训练拔高逻辑思维之外，这门课程从本身理论价值的角度来看，它所涉及的概率知识、马尔科夫过程知识、隐马尔科夫过程、生灭过程、以及各类排队模型和解决方法在信号处理、模式识别、通讯、计算机网络设计、管理科学等领域都有重要应用价值。同时，课程所涉及的一些理论研究
3、方法，证明过程也为学生将来进一步的科学研究提供了范本。学生通过学习该门课程将能懂得如何设计排队模型，如何设计以及分析算法性质等。
在实际的教学过程中，许多院校多采用数学专业教师编写的《随即过程》和《排队论》这两本教材。由于数学专业教师比较重视严谨的理论证明以及逻辑分析，在书中对这些知识是如何产生，以及在计算机科学中如何应用却涉及不多。计算科学与技术专业的学生学后多感觉目的性不强，也导致对知识理解不深。本文将通过若干具体例子，列举结合工程应用讲述随机过程与排队论知识的方法，实际教学效果表明，结合工程化应用将很大程度地帮助学生理解并应用本门课程知识
4、。
2结合信号处理讲述随机过程相关概念
在讲述该概念过程中，大多人为构造一些随机过程的例子，计算相关函数和互相关函数。学生一般都能理解如何计算相关函数和互相关函数。此后，随机课程教学将转入马尔科夫过程，此概念就未再涉及。学生学习后，并不了解这个概念的实际意义和如何应用这个概念。在教学中，我们将讨论运用去相关的方法进行盲信号分离。
给定观察信号x(t)={x1(t)，x2(t)，…,xn(t),}，源信号s(t)={s1(t)，s2(t)，…，sn(t)}和未知非奇异混合矩阵A∈Rnxn，其中x(t)=
5、Rs(t)，盲信号分离即是找到矩阵W∈Rnxn，在未知矩阵A和源信号的情形下，使得y(t)=Wx(t)与源信号相似。盲信号分离在图像分离、生物信号处理、军事都有非常重要的应用。在这里我们用去相关的方法从观察信号中获得源信号。此处假设信号自身具有较强相关性，而信号之间相关性不强。给定两个时间s,t，如果矩阵E(y(s)y(t)T)逼近对角型，则此时的y(t)即为恢复的源信号。注意到y(t)=Wx(t)，有
F(t)=WE(x(t)x(s)T)WT。
由上，问题转化为对矩阵E(x(t)x(s)T)对角化，即是求矩阵E(x(t)x(s)T)
6、特征值与特征向量。如果存在时间s,t，使得矩阵E(x(t)x(s)T)特征值互不相同，则特征向量矩阵即为我们所寻找的分离矩阵W。
在教学过程中，我们同时展示以信号处理的试验，通过工程化应用加深了学生对概念的理解，也使他们更容易运用所学概念于实际应用之中。除此之外，随机过程的一些基本概念还可以用其它信号处理和工程应用讲述，在这里不再赘述。
3结合信息安全讲述马尔科夫过程
例2在随机过程中有一个重要的概念称为马氏链[1]。定义如下：设{X(n),n=0,1,2,…}为随机序列，状态空间E={0,1，2，…
7、}。如果对于任意非负整数k、n1 P{X(m+k)=im+k
8、X(n1)=in1,X(n2)=in2,…,X(nj)=inj,X(m)=im}
=P{X(m+k)=im+k
9、X(m)=im}
成立，则称{X(n),n=0,1,2,…}为离散参数马尔可夫链，简称马氏链。设{X(n),n=0,1，2,…}为马氏链，E={0,1,2,…}，称条件概率
pij(m,k)＝P{X(m+k)=j
10、X(m)=i}
为马氏链{X(n),n=0,1,
11、…}在m时刻的k步转移概率。特别地，k=1时，
pij(m,1)＝P{
