隐马尔可夫模型(HMM)及其应用

隐马尔可夫模型(HMM)是序列数据处理和统计学习的一种重要概率模型,具有建模简单、数据计算量小、运行速度快、识别率高等特点,近几年来已经被成功应用到许多工程任务中.文章介绍了隐马尔可夫模型,并对HMM及其改进的HMM在语音处理技术、人脸识别和人脸表情识别中的应用进行了叙述.     

基于CHMM的高性能连续数字语音识别算法

介绍了一种基于连续隐马尔可夫模型(CHMM)的汉语连续数字语音识别算法,该识别算法以MEL频率倒谱系数(MFCC)为主要语音特征参数,采用切割-识别方案。在此框架下,本文提出了变时窗的连续数字切割算法,并且结合了声调信息,因此最终连续数字语音识别率达到了90％以上。     

基于ERP系统的人力资源供给预测

随着市场竞争的加剧,企业资源计划系统已成为现代企业管理者的宠儿,而以人为中心的管理思想使得ERP中的人力资源管理功能模块越来越受到重视.根据ERP-HR的基本功能与扩展要求,引入马尔可夫模型并进行适当修正,实例分析证明该方法完全适用于相关企业的人力资源管理预测.     

基于RFM分析模式与马尔可夫链的客户行为预测模型研究

对客户的分析预测立足于RFM分析模式,并以F,M两个行为变量定义出单期客户购买行为的9种状态,接着采用k-means[1]算法对客户进行聚类分析,归纳出5种针对前面9种不同客户状态所要采取的方案.然后借助马尔可夫链理论,建立转移矩阵.同时利用Dirichlet-Multinomial模型来估计转移概率,从而解决客户信息的单一性不足和转移矩阵内的多项式分配问题.对于Dirichlet-Multinonlial模型的参数本文是运用马尔科夫链蒙特卡洛模拟方法(MCMC)中的吉布斯(Gibbs)抽样算法来估计的.最后通过软件WinBUGS1.4建模分析进行实证研究,并进一步针对模拟次敷和统计变量进行参数优化,来得到最终的转移矩阵.结果证明其适用性与准确性都优于传统预测方法,提高了客户购买行为预测的准确性.     

基于马尔可夫链的高考概率试题研究

以近几年的概率统计题为切入口,从递推数列的角度研究了一类基于时间序列的概率试题,探究了其马尔可夫链的高等数学背景,并为三新背景下基于数学建模核心素养的高考备考提供教学启示.     

基于概率矩阵的马尔可夫统计公式分析

马尔可夫公式是一种特殊的概率模式。其研究对象为一个运行系统的状态和状态转移。由于许多经济系统的动态过程可以抽象成状态转移过程,所以应用马尔可夫链方法研究一个运行系统的状态和状态转移,在经济生活中有着非常广泛的应用前景。在利用马尔可夫链进行市场预测时,其关键是状态转移概率的确定。     

基于灰色-马尔可夫链的城乡建设用地需求量预测研究

本文以安义县近十年的土地利用变更调查数据,采用灰色-马尔可夫链方法对其城乡建设用地需求量进行了预测,并将2005年和2006年的预测值与实际的城乡建设用地规模进行比较;在此基础上,对预测期内城乡建设用地内部结构利用信息熵进行研究。结果表明,利用灰色-马尔可夫链预测城乡建设用地需求量是一种可行的方法。     

我国知识管理领域研究热点问题及发展趋势预测

以我国知识管理研究出现以来的5000余篇学术期刊载文为分析对象,通过EM文本聚类算法自动识别出我国知识管理领域的四大研究热点,运用有序聚类方法确定热点问题的强度状态,进而利用加权马尔可夫链模型对我国知识管理领域的热点问题的发展趋势进行了预测。     

基于马尔可夫链模型的沪深300指数日收益率研究

研究了沪深300指数日收益率时间序列,经检验其具有马氏性,并建立了马尔可夫链模型。取交易日分时数据,根据分时数据确定状态初始概率分布,通过一步转移概率矩阵对下一交易日的日收益率进行了预测。对该模型分析和计算,得出其为有限状态的不可约、非周期马尔可夫链,求解其平稳分布,从而得到沪深300指数日收益率概率分布。并预测了沪深300指数上涨或下跌的概率,可为投资管理提供参考。     

基于马尔可夫模型的图书馆用户聚类分群方法研究

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆 用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列 模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自 适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实 验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群 数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了 设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用 户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。