搜索资源列表
hmm.zip
- 隐马尔可夫链模型和例程（包括前向、后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数运算程序）,Introduction to Hiden Markov Model and Example Codes
HMMall
- 马尔可夫过程是一类重要的随机过程,它的原始模型马尔可夫链,由俄国数学家Α.Α.马尔可夫于1907年提出。本程序是对隐马尔可夫模型的一个完整的建模。 -Markov process is one important class of stochastic processes, and its original model of Markov chain, by the Russian mathematician Markov Α.Α. made in 1907. This procedure is
HzSearching
- 基于自然语言处理方法的拼音输入法程序,主要采用马尔可夫链模型，通过求最大转移概率，获得由拼音到汉语语句的转变-Based on natural language processing methods Pinyin input method procedures, the main use of Markov chain model, by seeking the maximum transition probability, obtained from the phonetic changes
project
- 以“一主三从”主从多机通信系统为物理模型，研究应用马尔可夫链建立仿真算法及蒙特卡洛法建立了数学模型，通过将完整的系统元件化，并对每个元件创立各自的状态转移机模型，仿真运行状态，实现了对于这一通信系统的可靠性建模评估。-" One the main three from the" master-slave multi-communication system for the physical model to study the application of Markov cha
HMM_Forward
- 根据隐马尔可夫模型，利用马尔可夫链前向算法，用于估值问题。-HMM-FORWARD
HMM_Forward_Backward
- 马尔可夫链的前向和后向算法，在隐马尔可夫模型中用于学习问题的-HMM-FORWARED-BACKWORD
HMM
- 隐马尔可夫模型,浙江大学人工智能研究所.HMM的由来 马尔可夫性和马尔可夫链 HMM实例 HMM的三个基本算法 主要参考文献-Hidden Markov models, Artificial Intelligence Institute of Zhejiang University. HMM Origin Markov and Markov chain HMM example The three basic algorithms HMM Main referenc
马尔可夫链模型在GIS数据预测中的应用
- 马尔可夫链模型在GIS数据预测中的应用
aqcciuvi
- 隐马尔可夫链模型和例程（包括前向、YolJZxb后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数ziyQrUe运算程序）-Hidden Markov chain model and routines (including forward, backward YolJZxb algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
avhutdqv
- 隐马尔可夫链模型和例程（包括前向、YiDYfFw后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数BOWvzEE运算程序）-Hidden Markov chain model and routines (including forward, backward YiDYfFw algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
bpgrnnhs
- 隐马尔可夫链模型和例程（包括前向、TFpuwXI后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数pSAIzgD运算程序）-Hidden Markov chain model and routines (including forward, backward TFpuwXI algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
bqaiwqfs
- 隐马尔可夫链模型和例程（包括前向、TSQRfrv后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数PgfZsut运算程序）-Hidden Markov chain model and routines (including forward, backward TSQRfrv algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
byinhmwa
- 隐马尔可夫链模型和例程（包括前向、jASLLYg后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数saWeYvm运算程序）-Hidden Markov chain model and routines (including forward, backward jASLLYg algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
dffukpcp
- 隐马尔可夫链模型和例程（包括前向、oqyJnHa后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数qkGBAGL运算程序）-Hidden Markov chain model and routines (including forward, backward oqyJnHa algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
esdturvc
- 隐马尔可夫链模型和例程（包括前向、eujAtoO后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数ZvvRQWk运算程序）-Hidden Markov chain model and routines (including forward, backward eujAtoO algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
eteqtsxk
- 隐马尔可夫链模型和例程（包括前向、irqosuj后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数peuWbUq运算程序）-Hidden Markov chain model and routines (including forward, backward irqosuj algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
ezzynkes
- 隐马尔可夫链模型和例程（包括前向、Zhibwiq后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数syRVIBw运算程序）-Hidden Markov chain model and routines (including forward, backward Zhibwiq algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
耦合马尔可夫链模型
- 基于已知钻孔数据，模拟地质剖面的岩土体空间分布，一种基于马尔科夫链的地质统计学随机模拟方法(Spatial distribution of rock and soil in simulated geological section based on known borehole data and stochastic simulation of geo statistics based on Markov chain)
mcmc
- MCMC方法是一种重要的模拟计算方法，马尔可夫链蒙特卡尔理论(Markov chain Monte Carlo：MCMC)的研究对建立可实际应用的统计模型开辟了广阔的前景。90年代以来，很多应用问题都存在着分析对象比较复杂与正确识别模型结构的困难。现在根据MCMC理论，通过使用专用统计软件进行MCMC模拟，可解决许多复杂性问题。此外，得益于MCMC理论的运用，使得贝叶斯(Bayes)统计得到了再度复兴，以往被认为不可能实施计算的统计方法变得是很轻而易举了。(The MCMC method is
K-order Markov Chain in Mobile Social Networks
- 针对移动社交网络中节点中心性预测问题，提出基于K阶马尔科夫链的中心性预测方法。在真实移动社交数据集的中计算信息熵分析节点中心性的过去与未来规律性，研究了节点中心性的可预测性。利用节点中心性的历史信息，构建状态转移概率矩阵，预测节点未来中心性值, 并通过分析真实值与预测值之间的误差评估了这些预测方法的性能。结果表明，当阶数K=2时，与四种基于时窗的中心性预测方法比较，基于K阶马尔科夫链的预测模型在MIT数据集和Infocom 06数据集中虽不在个体上优于已提出的预测方法，但在整体上达到了优化。(w