灰色马尔科夫预测模型及其在市盈率预测中的应用

针对上市公司市盈率预测同时具有趋势性和随机性的特点,在 GM(1,1)模型及马尔科夫预测模型的基础上,提出了灰色马尔科夫预测模型,通过对市盈率历史数据的预测分析,证明了模型的预测结果令人满意.     

基于马尔科夫链的软件故障分类预测模型

传统的软件可靠性模型一般未考虑故障的危害严重程度对软件失效的影响. 然而在很多研究(如软件可信性研究)中,不仅要考虑软件的失效率、故障总数与失效间隔时间等,同时也要考虑故障的危害严重程度对软件可信性的影响. 为解决上述问题,提出一种基于马尔科夫链的预测方法,用以预测软件未来发生故障的种类,即预测软件未来发生故障的危害严重程度. 这种分类预测方法可以更加全面地描述由软件故障引起的失效问题.     

马尔科夫链在专业质量评价中的应用研究

面对应用型高校建设过程中专业质量评价的问题,什么方法能够精确地反映出专业质量变化的动态过程?马尔科夫链数学模型可以比较有效地解决这个问题。文章通过具体实例,运用马尔科夫链模型,从应用型专业的课程建设、能力培养、师资建设以及行业合作四个方面进行评价,构建了一种基于马尔科夫链模型的理工科应用型专业质量发展性变化的评价工具。     

基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测

为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。     

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.     

眼动行为数据挖掘在提取网上购物决策因子中的应用

为研究眼动行为数据挖掘在提取网上购物决策因子中的应用,首先通过客户体验管理(Customer Experience Management,CEM)对客户网上购物决策因子进行初步分析和过滤;然后根据大量客户网上购物时的人机交互行为数据,应用马尔科夫链算法预测其相关行为,并结合行为分析进一步得到其重要影响因子;最后通过眼动行为数据挖掘,确认影响网上购物的主决策因子,并获取各主决策因子的权重.实验证明由眼动分析获取的网上购物主决策因子及其权重更加有效.     

一种改进的基于马尔科夫链的扩频图像隐写分析方法

提出一种对基于扩频信息隐藏图像进行隐写分析的方法.应用马尔科夫链模型,根据图像的相邻像素点之间的相关性,结合阈值判别方法和改进的模式识别方法,判断一幅图像中是否存在隐写信息.在Corel图像库上的实验表明,本方法降低了虚警率,且正检率的性能优于已有方法.     

基于模型预测控制的混合动力船舶能量控制策略

为提高混合动力船舶的燃油经济性,选取马尔科夫模型对混合动力船舶需求功率进行预测。运用动态规划的方法以总油耗量最小为目标进行柴油发电机组和动力电池组功率分配优化,并将油耗量与基于模糊逻辑控制策略的油耗量作对比。仿真表明,采用所提出的控制策略时混合动力船舶的燃油经济性得到明显提高,说明基于马尔科夫模型的预测控制在混合动力船舶能量分配上是可行的,且具有良好的实用性。     

系统论及马尔柯夫模块理论在田径运动成绩预测中的应用研究

采用文献资料法、系统分析法,就系统论中灰色系统理论及马尔柯夫链模块理论应用于田径竞赛中的比赛成绩预测进行了深入的分析,并就两种预测方法的特点作了重点评论,提出灰色GM(1,1)模型和马尔柯夫链模型相结合的田径竞技成绩预测方法。     

隐马尔科夫模型基于残基对蛋白质序列的分析

区分、识别出同源蛋白质序列并揭示不同类型的残基的研究在生物信息领域具有重要的意义。文章将蛋白质的氨基酸与残基的序列用隐马尔科夫模型(HMM)来表示,介绍了一种基于蛋白质残基来建立隐马尔科夫模型的思路。接着采用HMM的评估算法对蛋白质同源性进行分类,又由于是将残基类型作为模型的状态来考虑,利用HMM的结论可以解码出最优的残基序列,从而进一步预测出残基的类型。结果表明分类算法取得了较好的效果,且在预测结果上与其他方法相比也具有一定的优势。