马尔科夫链在市场预测中的作用

马尔科夫链预测法是一种适用于随机过程的科学、有效的动态预测方法，其基本原理和方法可用来预测企业产品的市场占有率。在运用马尔科夫链对市场占有率进行预测时，应做好市场调查工作，井借助计算机和简捷表加以计算。     

高关水库灌区灌溉用水状态预测

依据高关水库1972～2010年灌溉用水量资料,应用均值标准差法建立4级分级标准。针对用水量为相依随机变量的特点,以各阶自相关系数为权重,运用马尔可夫链模型预测未来一年的灌溉用水量状态,结果表明,该方法直观、预测准确、计算简便,为灌区灌溉用水量的中长期预测提供了新的分析途径。     

英语口语测试系统的研究与实现

随着计算机技术和网络技术的迅速发展,计算机辅助教学在教学领域中的应用日益广泛.为了帮助英语学习者纠正其发音错误,提高英语口语水平,将计算机辅助教学应用于英语口语的教学与测试中,利用了特征参数提取,基于HMM模型的语音识别,模式匹配等技术实现了一个测试系统.     

马氏过程理论在教学质量评估中的应用

介绍了马尔可夫链在教学评价中应用的基本思想,给出具体的分析步骤,分析了马尔可夫链在评价实践中的优点和不足,为合理、有效地评价教学效果提供了理论和实践依据.     

一种基于隐马尔可夫聚类的信息提取方法

为了通过统计的学习来得到最优的模型参数,我们通过基于形式的聚类方法将训练数据聚成几个类,每个类的数据被用来训练一个初始概率和一个转移概率矩阵.在进行文本信息提取时,结合每一个初始概率矩阵、每一个转移概率矩阵,使用Viterbi算法来找出最优的标记序列.结果这些最优的标记序列中概率最大的标记序列将被作为最终输出.实验表明,新的算法在一定条件下能提高文本信息提取的精确度和召回率.     

生物信息学中的马尔可夫模型

随着人类基因组研究的不断发展,在世界各个（Genbank,SwissPort等）数据库中积累了大量蛋白质、核酸序列数据,如何分析和处理这些数据以获得更多的信息成为科学家们关心的核心问题,并由此产生了生物信息学。文章介绍了在生物信息学研究中常见的几种用于数据库搜索、序列比较、建立蛋白质模型、发现新基因等研究的马尔可夫模型。     

用马尔可夫调制的泊松过程近似多分形突发流量研究

研究了用马尔可夫调制的泊松过程(MMPP)对Internet多分形流量突发行为进行近似建模的能力. MMPP可用于描述适当时间尺度范围内流量的变化以及相关性, 而且它可作为排队系统输入过程得到分析结果. 描述了刻画突发流量行为的重要统计量, 在此基础上给出了一个基于矩的MMPP参数估计方法. 除了对MMPP进行拟合优度检测以外, 本文通过将MMPP的样本过程和实际流量记录输入到排队系统模型中比较其输出结果来研究MMPP对排队性能的预测能力. 数值和仿真实验表明, MMPP能够较好地用于对多分形流量近似建模, 即可以准确地预测网络结点的排队性能.     

指数分布在嵌入马氏链构造中的应用

对于出现指数分布的过程 ,利用指数分布的无记忆性 ,结合实例 ,构造出了马氏更新过程 ,导出了其相伴的半马氏核和嵌入马氏链的转移阵     

“马尔可夫链蒙特卡洛”(MCMC)方法在估计IRT模型参数中的应用

本文介绍和阐述怎样运用“马尔可夫链蒙特卡洛”(MCMC)技术,并结合Bayes方法来估计IRT的模型参数。首先简要地概述了MCMC方法估计模型参数的基本原理;其次介绍MCMC方法估计模型参数的一般方法,涉及Gibbs抽样、取舍抽样、Metropolis-Hastings算法等概念和方法;最后以IRT的“二参数逻辑斯蒂”(2PL)模型为例,重点介绍了用“Gibbs范围内的M-H算法”估计项目参数(β1jβ2j)的算法过程。结束本文时还解说了MCMC方法的特点。阅读本文需具有随机过程、Markov链、Bayes方法等概率论的基本知识。     

可表为算子之和的闭包的马尔可夫生成算子的不变测度

本文讨论可表为若干马尔可夫生成算子的和的闭包的马尔可夫生成算子的不变测度与和中的算子的不变测度之间的关系。