一类广义隐马尔科夫模型的建模与参数估计

隐马尔科夫模型在很多方面已有广泛应用.讨论了一类更为一般的模型,这类模型由Wojciech Pieczynski首次提出,并且给出了在图像识别中的应用.这里首次给出在离散观测和离散状态下该模型的精确数学描述,其中包括建模、状态估计和参数估计,这些算法都是首次被提出的.     

隐马尔可夫模型研究进展及其管理领域应用

首先剖析了隐马尔可夫模型(Hidden Markov Model,HMM)的基本原理与结构,并对马尔科夫模型与HMM的结构和原理进行了比较,梳理了近年来HMM的理论研究进展,重点探讨了HMM在管理领域中一些实证研究成果及其应用特色。最后,对HMM今后进一步的研究方向进行展望。     

基于变长预测树模型的Web访问模式挖掘算法

提出一种基于Markov的变长预测树模型,然后根据Markov算法模型化用户的访问行为,生成一棵变长的预测树,最大程度地将用户访问路径固化在预测树上.它最大的特点是减少预测次数,提高模型的预测效率和预测精度.通过实验数据说明了所提出算法的正确性和有效性.     

基于Markov链的图书推荐系统的研究与设计

本文在分析了读者借阅行为和马尔可夫预测模型的基础上,介绍了基于Markov模型的图书推荐系统的设计与实现。该方法根据读者借阅特征,通过统计原理并充分利用读者借阅历史进行预测。实践证明该系统取得了满意的结果。     

基于马尔可夫模型的风险型客户预测与管理

客户是企业的重要资产之一,是企业实现利润的源泉。客户关系的发展形成一个完整的生命周期,处于生命周期形成阶段的客户往往要消耗较多的资源却甚少为企业创造价值,企业的投入具有风险性。本文对风险型客户发展过程中的特点进行分析,同时提出基于马尔科夫模型的风险型客户预测方法,掌握风险型客户在市场竞争过程中的市场占有率信息,从而为企业的战略决策提供支持。     

受控马尔可夫链方法在软件测试上的应用

主要介绍了受控马尔可夫链的基本概念和原理，及受控马尔可夫链方法在软件测试中的应用，并对马尔可夫链的五元素模型进行了描述。     

基于熵权Markov链的商品零售价格指数预测方法

针对商品零售价格指数的变化特点,提出了一种基于熵权的Markov链预测分析方法。首先用概率均分法对样本数据进行状态等级划分,其次对历史年份商品零售价格指数的状态进行统计,建立不同步长的Markov链状态转移概率矩阵,然后用熵权Markov链分析模型对商品零售价格指数进行预测。最后,通过一个实例说明了该方法的有效性。     

企业国际化经营知识产权战略系统耦合研究

一个完整的系统包括系统输入要素、系统转换要素与系统输出要素,系统的高效运作需要系统内要素的有效整合,因此,将耦合的原理应用于企业国际化经营知识产权战略系统的研究中,对于整合系统要素、实现系统的高效运作具有重要意义。在构建企业国际化经营知识产权战略系统模型的基础上,将系统输入要素、转换要素与输出要素映射为三摆,以三摆耦合机理分析系统要素间的关系,通过耦合节点研究系统耦合实现机理,并提出企业国际化经营知识产权战略系统耦合强化措施。     

基于马尔柯夫链的高校教师绩效评价研究

在高校教师考核工作的实践中,由于高等教育的学术性强的突出特点,高校教师的工作评价体系的科学化一直是个有待深入研究的问题。本文基于马尔柯夫链原理,构建高校教师绩效评价模型,并通过算例进行演算。本文认为马尔柯夫链方法能从动态发展的角度较为简便、科学、客观地评价高校教师绩效考核情况。     

基于移动平均-马尔可夫链模型的上海市机场旅客吞吐量预测研究

为了更多的挖掘数据的信息,本文将移动平均与马尔可夫链模型结合,对马尔可夫链模型进行改进,以拟合结果为动态基准线来构建动态的马尔可夫链,并进行预测及平稳分布研究.利用上海市机场2008年1月至2013年10月的各月数据进行模型拟合,将拟合结果作为动态基准线,进行系统状态划分,确定状态转移概率矩阵.预测未来4个月的中值和区间,并根据马尔可夫链的遍历性和稳定性求出状态的平稳分布.实证表明,该方法的预测精度更高,并且具有较强的适用性和泛化性,具有较强的实用价值.     

Beyond vector space model for hierarchical Arabic text classification: A Markov chain approach

The vector space model (VSM) is a textual representation method that is widely used in documents classification. However, it remains to be a space-challenging problem. One attempt to alleviate the space problem is by using dimensionality reduction techniques, however, such techniques have deficiencies such as losing some important information. In this paper, we propose a novel text classification method that neither uses VSM nor dimensionality reduction techniques. The proposed method is a space efficient method that utilizes the first order Markov model for hierarchical Arabic text classification. For each category and sub-category, a Markov chain model is prepared based on the neighboring characters sequences. The prepared models are then used for scoring documents for classification purposes. For evaluation, we used a hierarchical Arabic text data collection that contains 11,191 documents that belong to eight topics distributed into 3-levels. The experimental results show that the Markov chains based method significantly outperforms the baseline system that employs the latent semantic indexing (LSI) method. That is, the proposed method enhances the F1-measure by 3.47%. The novelty of this work lies on the idea of decomposing words into sequences of characters, which found to be a promising approach in terms of space and accuracy. Based on our best knowledge, this is the first attempt to conduct research for hierarchical Arabic text classification with such relatively large data collection.     

基于EXCEL/VBA的马尔柯夫预测法软件实现

马尔柯夫预测法在经济、科技、环境等领域有广泛应用,但计算过程复杂繁琐,我们基于EXCEL/VBA开发出相应软件可以迅速有效的解决此问题。     

重大工程复杂性马尔科夫链—熵度量模型构建

本文利用马尔科夫链来理解重大工程的不确定性和动态演化特征,利用熵理论来量化重大工程的复杂性水平,建立了重大工程复杂性的马尔科夫链-熵度量模型。结果表明,重大工程的复杂性包括技术、环境、组织、目标、信息和任务六个维度,并具有结构性、不确定性和动态性特征。马尔科夫链可以用来描述过程,熵可以用来量化复杂性。该研究可以揭示重大工程的宏观状态与微观状态之间的关系,测度重大工程的复杂性水平,分析可持续发展趋势并进行预测决策和控制。     

Probabilistic techniques for phrase extraction

This study proposes a probabilistic model for automatically extracting English noun phrases without part-of-speech tagging or any syntactic analysis. The technique is based on a Markov model, whose initial parameters are estimated by a phrase lookup program with a phrase dictionary, then optimized by a set of maximum entropy (ME) parameters for a set of morphological features. Using the Viterbi algorithm with the trained Markov model, the program can dynamically extract noun phrases from input text. Experiments show that this technique is of comparable effectiveness with the best existing techniques.     

随机模型中计算数学期望的一种新方法

本文通过计算带吸收状态的向量Markov过程平均吸收时间,给出了随机模型中计算数学期望的一种新方法,通过一些特例说明了该方法在随机模型性能分析中的具体应用。     

FCI对我国通胀的预测效果分析

对通胀趋势进行预测是治理通胀的关键。本文首先运用广义脉冲响应函数构建了我国的金融状况指数(FCI),然后从多个角度评估了FCI对我国通胀水平的总体预测效果,随后应用Markov机制转换模型将我国通胀状态的转换概率内生化,并对不同状态下的FCI通胀预测效果进行了比较。结果表明:总体上,金融状况指数是我国通货膨胀率的先行指标,能有效预测未来半年内的通胀趋势;在模拟和预测我国通胀率运行趋势方面,Markov机制转换模型优于线性AR(2)模型;高通胀状态下FCI的通胀预测能力强于低通胀状态;低通胀状态下FCI对短期通胀的预测效果优于中长期。     

The Bivariate Distribution of a Median Smoothed Markov Chain

Median based smoothing algorithms have received considerable attention in the last few years. Their properties make them sometimes superior to linear smoothers. In this paper we develop an expression for the bivariate distribution of a median- smoothed Markov chain and we illustrate one application of it by comparing the power spectra of the input and the output of a median smoother when the input is binary valued.     

边传递图上的最快混合马氏过程

考虑加权连通图上的简单连续时间马氏过程,每条边上赋权为马氏过程的转移速率,使得马氏过程混合时间最短的赋权问题称之为最快混合马氏过程问题(FMMP).我们证明FMMP在图自同构群的不变点集合中取到最优,并且在边传递图中解析地得到了最优解.     

房地产收益率与通货膨胀率的相关性研究——基于对我国房地产周期波动过程的考察

运用Markov区制转移模型对我国通货膨胀率和房地产收益率相关关系进行了研究,发现房地产收益率的波动具有区制依赖性特点;通货膨胀率预期成分在"低速增长区制"、"中速增长区制"阶段,均显著影响房地产收益率,并且方向相反;通货膨胀率周期成分在三个区制中都与房地产收益率显著相关,除了在高速发展阶段与房地产收益率负相关外,在其余阶段均为正相关。     

Older versions of the ROUGEeval summarization evaluation system were easier to fool

We show some limitations of the ROUGE evaluation method for automatic summarization. We present a method for automatic summarization based on a Markov model of the source text. By a simple greedy word selection strategy, summaries with high ROUGE-scores are generated. These summaries would however not be considered good by human readers. The method can be adapted to trick different settings of the ROUGEeval package.