搜索资源列表
MatlabMarkovchain
- 基于马尔科夫链概念，5*5矩阵的概率转移矩的matlab实现-Based on the concept of Markov chain, the realization of the 5* 5 matrix s transfer probability matrix in matlab
markov
- 实现简单的马尔科夫链过程，近需要输入初始状态数组和转移概率矩阵即可 同时也将其转换成.jar文件，方便java程序员调用-The realization of a simple Marco chain process
IMM
- 交互多模型算法是一种用模型集描述系统各个时刻的状态，相对于单模型系统有很大的适应性，其模型集之间的切换是一个马尔科夫过程，按照状态转移概率矩阵进行切换的-Interacting multiple model algorithm is a model used to describe the system sets the status of each moment, as opposed to a single model system has great flexibility, the mo
Baum_Welch-algorithm
- 用Baum-Welch算法来迭代估计一个隐马尔科夫模型（HMM）的初始状态概率分布以及其状态转移概率矩阵。其中文件有mainfile_B_W.m为主函数，Baum_Welch.m为Baum-Welch算法迭代函数，Forward_variable.m与Backward_variable.m与Gamma_variable.m与Ksi_variable.m是需要计算的四种因子，B_pdf.m为混淆散射概率密度函数。-It s Baum-Welch algorithm for iteratively
markov
- 求解马尔科夫过程的一个过程，输入转移强度矩阵后，可以求得状态概率-A process of solving Markov process, the intensity of the input transfer matrix, we can obtain the state probability
maerkf
- 求解马尔科夫链的一种方法，适用于新手来研究~(A method for solving Markov chains)
MCM
- 划分预测对象状态 ： 根据预测的目的划分 计算初始概率 ： 根据历史数据计算状态概率 计算状态转移概率，构造转移概率矩阵P 根据转移概率进行预测，Pij 表示由状态 i 转移到状态 j 的概率 按最大可能性作为选择原则：选择（Pj1，Pj2，…， PjN ）中最大者为预测结果。 计算状态转移概率时，最后一个数据不参加计算(To predict the state of an object: divide it according to the purpose of prediction
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
转移概率矩阵计算的一种统计方法
- 利用马尔可夫链进行预测 , 其关键是转移概率矩阵的计算 。 本文给出了计算转移概率矩阵的一种统计方法 ,并且给出了实例计算 ,目的是为企业进行科学管理和决策提供科学依据 。(The key to prediction using the Markov chain is the calculation of the transition probability matrix. This paper presents a statistical method for calculating the