馬爾可夫

-2]首次在馬爾可夫鏈的影響因素中添入新的環(huán)境因素,并給出了隨機(jī)環(huán)境中馬爾可夫鏈隨機(jī)模型的一般表達(dá)式,研究了其遍歷理論以及有限不變測度存在的條件，使已有的經(jīng)典馬爾可夫鏈理論及其完整體系更加豐富. Hu[3-4]進(jìn)一步對隨機(jī)環(huán)境中馬爾可夫過程進(jìn)行推廣和整理,形成目前完整隨機(jī)環(huán)境中馬爾可夫過程的理論體系，為后續(xù)了解并研究隨機(jī)環(huán)境中的馬爾可夫過程提供了理論依據(jù). Li[5]研究了引入“初始時間”馬爾可夫鏈的弱遍歷性、一致弱遍歷性、強(qiáng)遍歷性和一致強(qiáng)遍歷性等. Lü

機(jī)器學(xué)習(xí)中的馬爾可夫過程，在實現(xiàn)通信系統(tǒng)物理層的智能化中有一定的應(yīng)用前景。2 馬爾可夫過程2.1 馬爾可夫過程的無后效性和齊次性生活中充滿了隨機(jī)事件，比如隨風(fēng)飄落的樹葉，一場突如其來的大雨或不期而遇的事故，我們不能改變已經(jīng)發(fā)生的，也不能控制將來，我們能夠把握的就是現(xiàn)在。機(jī)器學(xué)習(xí)中馬爾可夫過程即具有只與現(xiàn)在相關(guān)的無后效性，其中的馬爾可夫鏈?zhǔn)邱R爾科夫過程在狀態(tài)與概率皆離散情況下的特殊情況。當(dāng)有一組隨機(jī)序列（Xn，n=0，1，2……）的狀態(tài)空間E=（1，2，3…

，并對構(gòu)建的馬爾可夫鏈進(jìn)行預(yù)測，馬爾可夫鏈算法可以很好地擬合隨機(jī)過程，而變電站的接地會產(chǎn)生眾多的隨機(jī)參數(shù)，因此，馬爾可夫鏈算法可以滿足基本的統(tǒng)計學(xué)分析需要。通過馬爾可夫鏈反饋的預(yù)測結(jié)果以及設(shè)計變電站來完成對變電站接電的優(yōu)化設(shè)計，這是由電力系統(tǒng)的規(guī)模越來越龐大、結(jié)構(gòu)越來越復(fù)雜的客觀因素所決定的，傳統(tǒng)的方式和方法已經(jīng)不能滿足基本的應(yīng)用需求，因此，綜合各種因素來進(jìn)行考量已經(jīng)成了非常重要且可行的方法。目前，社會也對供電的可靠性提出了更高的要求，因此，采用基于定量評

6525)半馬爾可夫過程是能夠更接近于真實工程情況的模擬過程，它有著極大的實際研究潛力和深厚的理論支持，其研究所得的成績直接關(guān)系到生產(chǎn)實際中的關(guān)鍵環(huán)節(jié)，已經(jīng)得到了國際上廣大學(xué)者的重視，并且部分研究成果已經(jīng)被成功地應(yīng)用于網(wǎng)絡(luò)控制、容錯控制和現(xiàn)代通信技術(shù)等領(lǐng)域。采樣控制是指在采樣周期內(nèi)，系統(tǒng)將采樣瞬間的信息保持恒定。采樣控制器具有安裝方便、效率高、可靠性好等優(yōu)點。WANG Jing等討論了具有半馬爾可夫跳躍拓?fù)涞膹?fù)雜動態(tài)網(wǎng)絡(luò)的廣義耗散同步問題，其中不同拓?fù)渲g

習(xí)領(lǐng)域中，隱馬爾可夫模型是一個重要模型，其在股市行情預(yù)測[17-18]、自然語言處理[19-20]、蛋白質(zhì)測序[21-22]等領(lǐng)域已有成功應(yīng)用。經(jīng)典的隱馬爾可夫模型包含評估、解碼、學(xué)習(xí)3 個問題。在隱藏狀態(tài)維度比較小的情況下，經(jīng)典的Baum-Welch、Viterbi 及EM 算法可以有效地求解。但當(dāng)隱馬爾可夫模型的隱藏狀態(tài)維度和觀測空間的維度增大時，經(jīng)典算法在求解速度上就顯得乏力了。為了解決這個問題，人們把目光移向量子計算領(lǐng)域。類比于經(jīng)典隱馬爾可夫模型是

間非線性廣義馬爾可夫跳變系統(tǒng)的嚴(yán)格耗散控制問題。在應(yīng)用范圍更廣的Willems耗散性定義的基礎(chǔ)上，首先基于一類Lyapunov函數(shù)，給出了相應(yīng)的隨機(jī)容許的條件，然后設(shè)計導(dǎo)數(shù)比例反饋控制器，通過一系列的矩陣構(gòu)造和合同變換，將雙線性矩陣不等式（BMI）轉(zhuǎn)化為可用LMI工具箱解決的線性矩陣不等式（LMI）。最后通過數(shù)值算例并結(jié)合Matlab給出實例，證明其可行性。關(guān)鍵詞：非線性廣義馬爾可夫跳變系統(tǒng);轉(zhuǎn)移概率部分未知;耗散控制;P-D反饋Abstract：The

10068)馬爾可夫鏈模型是以俄國數(shù)學(xué)家A.A.Markov命名的一種動態(tài)隨機(jī)模型，通過分析隨機(jī)變量現(xiàn)實的運(yùn)動情況來預(yù)見這些變量未來的運(yùn)動情況[1]。目前，馬爾可夫鏈模型在自然科學(xué)、工程技術(shù)、社會科學(xué)、經(jīng)濟(jì)研究等領(lǐng)域有著廣泛的應(yīng)用[2-5]。馬爾可夫模型通過研究系統(tǒng)對象不同狀態(tài)的初始概率和狀態(tài)之間的轉(zhuǎn)移概率來進(jìn)行預(yù)測，因此，狀態(tài)轉(zhuǎn)移概率的確定稱為馬爾可夫模型預(yù)測的關(guān)鍵。對于馬爾可夫鏈的轉(zhuǎn)移概率矩陣，張二艷等[6]提出了用應(yīng)用統(tǒng)計方法進(jìn)行估計；李成燮[7]和

2)關(guān)鍵字：馬爾可夫鏈；多元馬爾可夫鏈；高階多元馬爾可夫鏈；參數(shù)估計馬爾可夫鏈?zhǔn)侨肆Y源[1]、金融[2]、互聯(lián)網(wǎng)應(yīng)用[3]、音樂[4]、軟件測試[5]、土地覆蓋變化[6]、能源消耗[7]、語音識別[8]、微生物基因[9]、DNA序列[10]、信用風(fēng)險[11]等許多研究領(lǐng)域的重要工具。探索不同分類數(shù)據(jù)序列之間的關(guān)系，建立更準(zhǔn)確的預(yù)測模型是一個有意義的研究課題。分類數(shù)據(jù)序列是由相互關(guān)聯(lián)的相同或相似的資源產(chǎn)生的，針對分類數(shù)據(jù)序列的預(yù)測，已經(jīng)提出了很多不同的模型

分條件。帶有馬爾可夫跳的混雜系統(tǒng)的控制問題也是控制鄰域中研究的熱點之一。馬爾可夫鏈的優(yōu)勢在于擅長對突然改變的結(jié)構(gòu)或參數(shù)變化進(jìn)行建模，涌現(xiàn)了大量的研究成果。Aberkane等［4-7］介紹了帶有馬爾可夫跳的系統(tǒng)的穩(wěn)定性條件，給出詳細(xì)的證明，并通過數(shù)值模擬驗證了其可行性及有效性。同步控制器和濾波器是控制領(lǐng)域的研究熱點，同步控制器和濾波器需要嚴(yán)苛的限制條件，在實際應(yīng)用中往往不能取得良好的效果。因此，越來越多學(xué)者更加關(guān)注異步控制。Du等［8］建立了對二維帶馬爾科夫

譜預(yù)測模型有馬爾可夫模型[6-10]、基于機(jī)器學(xué)習(xí)的預(yù)測模型[11-12]以及自回歸模型[13]等。Saleem[14]對CR相關(guān)文獻(xiàn)使用模型的頻率做了統(tǒng)計，其中基于馬爾可夫模型的預(yù)測方法原理簡單，易于建模，并且可以實現(xiàn)不間斷地預(yù)測，其相關(guān)文獻(xiàn)數(shù)量占比最高，達(dá)到了27%。2009年Ghosh[15]使用尋呼頻段的監(jiān)測數(shù)據(jù)驗證了用戶的頻譜使用狀態(tài)數(shù)據(jù)中馬爾可夫鏈的存在。在頻譜預(yù)測中最常用的是兩狀態(tài)馬爾可夫模型，信道狀態(tài)分為占用和未占用。有一些研究[6-7]把

護(hù)系統(tǒng)的隱式馬爾可夫可靠性模型，該模型基于狀態(tài)檢修（CBM）環(huán)境和可靠性指標(biāo)計算了保護(hù)系統(tǒng)隱藏故障狀態(tài)的概率。分析了不同參數(shù)（含人為誤差的影響）對隱藏故障狀態(tài)概率的影響，采用可變參數(shù)法提高了可靠性的最優(yōu)措施。與單主保護(hù)相比，雙主保護(hù)系統(tǒng)具有更高的隱藏故障概率，從而降低了實際的良好狀態(tài)概率，同時提高了兩個主保護(hù)的可靠性，實現(xiàn)了整個繼電保護(hù)系統(tǒng)的簡化配置。通過對數(shù)字保護(hù)系統(tǒng)中的在線自校驗和監(jiān)控系統(tǒng)的進(jìn)行改進(jìn)，CBM的實際應(yīng)用可以降低隱藏故障狀態(tài)概率，這對保護(hù)系

動態(tài)故障樹、馬爾可夫模型、狀態(tài)事件故障樹等，以滿足復(fù)雜系統(tǒng)故障模型構(gòu)建中遇到的各種問題。關(guān)鍵詞：可靠性評估;狀態(tài)事件故障樹; 馬爾可夫1、研究的背景及意義隨著科學(xué)技術(shù)的發(fā)展和現(xiàn)代戰(zhàn)爭的需要，各國都把軍事發(fā)展的重點轉(zhuǎn)移到了海洋上。潛艇作戰(zhàn)系統(tǒng)技術(shù)戰(zhàn)作為海軍主要作戰(zhàn)系統(tǒng)之一，越來越受到各國的重視。系統(tǒng)可靠性作為衡量作戰(zhàn)系統(tǒng)性能的重要指標(biāo)，已成為作戰(zhàn)系統(tǒng)集成研究中最重要的指標(biāo)之一。這種綜合作戰(zhàn)系統(tǒng)的可靠性評估正成為軍事學(xué)術(shù)界和裝備研制部門的研究熱點。綜合作戰(zhàn)系統(tǒng)

開窗行為? 馬爾可夫? 辦公建筑中圖分類號：TU834.1? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）11（a）-0049-031? 研究背景近年來越來越多的相關(guān)研究表明：室內(nèi)人員開窗行為對建筑能耗、室內(nèi)熱舒適和室內(nèi)空氣品質(zhì)有著直接影響，因此，對于室內(nèi)人員行為的研究逐漸成為了研究熱點。目前國內(nèi)相關(guān)建模研究多使用邏輯回歸算法分析住宅建筑、辦公

類方法，引入馬爾可夫鏈方法對橋梁結(jié)構(gòu)的技術(shù)狀態(tài)變化進(jìn)行預(yù)測[1]。一、馬爾可夫過程(一)馬爾可夫過程的定義假設(shè)一個隨機(jī)過程{X(t),t∈T}，對任意的t1(二)馬爾可夫的基本假設(shè)馬爾可夫過程做出兩個基本假設(shè)，即馬爾可夫假設(shè)、穩(wěn)定性假設(shè)。馬爾可夫假設(shè)指的是時刻t0系統(tǒng)處于狀態(tài)i的條件下，在t0以后的時刻系統(tǒng)的狀態(tài)與t0時刻以前的狀態(tài)無關(guān)。穩(wěn)定性假設(shè)指的是系統(tǒng)從一個狀態(tài)轉(zhuǎn)移到另一個狀態(tài)的，轉(zhuǎn)移概率在整個過程中保持不變，若是系統(tǒng)的時間尺度很長，則可以將時間尺度

題。近年來，馬爾可夫模型在管理決策中得到了日益廣泛的應(yīng)用[3-4]。在橋梁的養(yǎng)護(hù)管理中，馬爾可夫模型也是一類重要的決策分析工具。究其原因，主要在于兩個方面：①因為馬爾可夫模型具有良好的數(shù)學(xué)結(jié)構(gòu)，且便于使用；②因為馬爾可夫模型無須使用者對橋梁的工程原理和工程環(huán)境有徹底的了解[5]。在這類方法中，人們使用馬爾可夫過程來刻畫橋梁狀況的隨機(jī)性和演化性，通過一些離散的性能指標(biāo)表示橋梁的健康程度，并通過馬爾可夫過程的狀態(tài)轉(zhuǎn)移概率表示健康狀況的退化趨勢和程度[6]。近年

洛因村一名叫馬爾可夫的男子遭老虎襲擊身亡，死者馬爾可夫可是一位偷獵的老手。特魯什與馬爾可夫打了幾十年的交道，可謂老對手了。馬爾可夫頭腦靈活。最初，他獵捕的對象只集中在野鹿等中小型動物身上，用它們交換煙酒糖等生活必需品。近幾年來，因為受到西伯利亞虎巨大利益的誘惑，馬爾可夫轉(zhuǎn)而打起了老虎的主意。聽到馬爾可夫的死訊，特魯什頭腦中的第一反應(yīng)便是馬爾可夫在捕獵老虎時，受到驚嚇的老虎“自衛(wèi)殺人”。然而，當(dāng)他趕到事發(fā)現(xiàn)場后，卻發(fā)現(xiàn)真相并非如此簡單。馬爾可夫的尸體是在他所

機(jī)噪聲影響下馬爾可夫跳變系統(tǒng)的彈性動態(tài)輸出反饋控制問題.在系統(tǒng)隨機(jī)干擾和控制輸入擾動的情況下，設(shè)計的彈性控制器可以確保閉環(huán)系統(tǒng)的依概率漸近穩(wěn)定性.通過運(yùn)用隨機(jī)微分方程理論和線性矩陣不等式技術(shù)對系統(tǒng)進(jìn)行穩(wěn)定性分析，獲得了系統(tǒng)依概率漸近穩(wěn)定的充分條件和控制器增益.最后通過數(shù)值算例和直升機(jī)系統(tǒng)仿真驗證了所提彈性動態(tài)輸出反饋控制方法的有效性.關(guān)鍵詞隨機(jī)馬爾可夫跳變系統(tǒng);彈性控制;動態(tài)輸出反饋控制;依概率漸近穩(wěn)定;線性矩陣不等式中圖分類號? TP273文獻(xiàn)標(biāo)志碼?

10041)馬爾可夫跳變系統(tǒng)是一類特殊的隨機(jī)混雜系統(tǒng).馬爾可夫跳變往往來源于系統(tǒng)在運(yùn)行過程中所受到的環(huán)境突變、內(nèi)部子系統(tǒng)連接方式突然改變、系統(tǒng)部件損壞等隨機(jī)因素干擾[1-2].因此，研究馬爾可夫跳變系統(tǒng)為解決工程控制問題提供了理論基礎(chǔ)[3-4].眾所周知，時滯廣泛存在于各種實際系統(tǒng)中，然而，它的存在會使系統(tǒng)不穩(wěn)定或性能遭到破壞[5].因此，研究馬爾可夫時滯跳變系統(tǒng)具有實際的意義.許多實際系統(tǒng)通過考慮無源性問題可以有效地抑制外界噪聲干擾[6-7].近年來，系

史數(shù)據(jù)，建立馬爾可夫預(yù)測的數(shù)學(xué)模型。利用初始狀態(tài)和狀態(tài)轉(zhuǎn)移概率矩陣，來確定系統(tǒng)隨時間推移的發(fā)展趨勢，進(jìn)而推測對象未來某一時刻所處的狀態(tài)。運(yùn)用此法對事業(yè)單位財務(wù)收支狀況進(jìn)行預(yù)測，可為財務(wù)運(yùn)作管理的科學(xué)決策提供前瞻性的指導(dǎo)。關(guān)鍵詞：狀態(tài)轉(zhuǎn)移；概率矩陣；馬爾可夫；預(yù)測現(xiàn)代事業(yè)單位運(yùn)營模式與企業(yè)相比，承擔(dān)了很多社會公共職能。事業(yè)單位的財務(wù)與資金較之計劃經(jīng)濟(jì)模式更為復(fù)雜，如資金流向不確定、融資渠道增加、經(jīng)濟(jì)與財務(wù)業(yè)務(wù)性質(zhì)日趨多樣化等。事業(yè)單位運(yùn)行過程中，影響收支狀態(tài)

01）基于隱馬爾可夫模型的電力系統(tǒng)連鎖故障預(yù)測丁巖1，郭和強(qiáng)2，王利利1，李秋燕1，孫義豪1，關(guān)朝杰1（1.國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院，河南鄭州 450001；2.天津天大求實電力新技術(shù)股份有限公司，天津 300001）在國民經(jīng)濟(jì)中，電力的地位異常重要，社會的發(fā)展以及電網(wǎng)的擴(kuò)大都離不開供電的可靠性。然而，操作不當(dāng)、電網(wǎng)結(jié)構(gòu)不合理、短路（或斷路）等故障以及其他外界因素的干擾，都可能導(dǎo)致電力系統(tǒng)事故，甚至發(fā)生大面積停電[1]。因此，對電力系統(tǒng)連鎖故障的預(yù)

色預(yù)測模型、馬爾可夫鏈理論為基礎(chǔ)，引入新信息不斷加入更替的思想，建立了等維新息無偏灰色馬爾可夫預(yù)測模型。利用無偏灰色預(yù)測模型對原始數(shù)據(jù)進(jìn)行擬合得到數(shù)據(jù)的發(fā)展變化趨勢，再結(jié)合該趨勢進(jìn)行馬爾可夫預(yù)測，并在每次預(yù)測中對數(shù)據(jù)推陳出新。以2012年—2016年某混凝土梁橋技術(shù)狀況評分作為原始數(shù)據(jù)，構(gòu)建預(yù)測模型，預(yù)測該橋在未來五年內(nèi)的技術(shù)狀況。結(jié)果表明：新維無偏灰色馬爾可夫預(yù)測模型具有誤差小、精度高等特點，并能適用于中長期預(yù)測。橋梁技術(shù)狀況；預(yù)測；灰色理論；馬爾可夫鏈

72202隱馬爾可夫模型在生物學(xué)和醫(yī)學(xué)研究中的應(yīng)用*阿肯色醫(yī)科大學(xué)兒科系生物統(tǒng)計中心 美國阿肯色州小石城 72202隱馬爾可夫模型；評價；解碼；模型擬合；生物學(xué)應(yīng)用馬爾可夫過程(Markov process)是具馬爾可夫特性即無記憶性(memorylessness)又稱無后效性(non-aftereffect)的隨機(jī)過程，其未來狀態(tài)的條件概率僅與系統(tǒng)的當(dāng)前狀態(tài)(或此前的少數(shù)若干個歷史狀態(tài))有關(guān)，而獨(dú)立于其他歷史狀態(tài)(或該序列其他變量的狀態(tài))，由俄國數(shù)學(xué)家A

eRank的馬爾可夫鏈研究張 桃1，吳小偉2（1河海大學(xué) 商學(xué)院，江蘇 南京210000；2江蘇省郵電規(guī)劃設(shè)計院有限公司 江蘇南京 210019）PageRank向量是一個離散時間、有限狀態(tài)馬爾可夫鏈的穩(wěn)態(tài)分布。同時，馬爾可夫鏈理論已經(jīng)得到了充分發(fā)展，利用馬爾可夫鏈可以更好地理解和分析有關(guān)PageRank的問題。本文基于循環(huán)或者排名下沉所造成的PageRank收斂問題，通過對馬爾可夫鏈的數(shù)學(xué)內(nèi)容進(jìn)行研究的方法，得出不可約馬爾可夫鏈的暫態(tài)行為和極限行為，并對

P神經(jīng)網(wǎng)絡(luò)與馬爾可夫鏈的短期電價預(yù)測黃羹墻, 楊俊杰(上海電力學(xué)院 電子與信息工程學(xué)院, 上海 200090)提出了一種基于BP神經(jīng)網(wǎng)絡(luò)與馬爾可夫鏈的短期電價預(yù)測方法.在采用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行短期電價初步預(yù)測的基礎(chǔ)上,按照模糊C-均值聚類法劃分預(yù)測誤差的馬爾可夫鏈狀態(tài)區(qū)域,再根據(jù)狀態(tài)轉(zhuǎn)移概率矩陣對預(yù)測誤差進(jìn)行修正,得到最終預(yù)測結(jié)果.算例仿真結(jié)果表明,所提出的方法比單純采用神經(jīng)網(wǎng)絡(luò)的預(yù)測精確度更高.電價預(yù)測; BP神經(jīng)網(wǎng)絡(luò); 馬爾可夫短期電價預(yù)測主要是對未

機(jī)保費(fèi)離散半馬爾可夫風(fēng)險模型的生存概率包振華, 王 翠(遼寧師范大學(xué) 數(shù)學(xué)學(xué)院, 遼寧 大連 116029)半馬爾可夫風(fēng)險模型通過構(gòu)造一個外在的馬爾可夫環(huán)境來刻畫保險公司所處環(huán)境的變化,可以用來處理保險公司在實際運(yùn)營過程中出現(xiàn)的各種相依關(guān)系.考慮到保險實踐中保費(fèi)收入具有不確定性，構(gòu)建一類具有隨機(jī)保費(fèi)收入的離散半馬爾可夫風(fēng)險模型,其中保費(fèi)收入由一個獨(dú)立的二項過程來刻畫.利用概率生成函數(shù)的技巧,給出生存概率所滿足的遞歸計算公式.建立了生存概率在零初值時所滿足的

090）基于馬爾可夫模型的路網(wǎng)養(yǎng)護(hù)管理排序問題研究白國鵬1，李換平2，李笑宇1（1.天津市市政工程設(shè)計研究院，天津 300051；2.哈爾濱工業(yè)大學(xué)交通科學(xué)與工程學(xué)院，黑龍江哈爾濱 150090）對馬爾可夫排序模型進(jìn)行研究，分析了該模型在路網(wǎng)養(yǎng)護(hù)管理中的適用性；建立了路網(wǎng)多因素排序模型，通過在實例分析中繪制馬爾可夫圖，闡明了馬爾可夫排序模型的應(yīng)用原理，并利用MATLAB程序?qū)δＰ瓦M(jìn)行了求解，為解決路網(wǎng)養(yǎng)護(hù)規(guī)劃中的養(yǎng)護(hù)路段排序問題提供依據(jù)。工程管理；路網(wǎng)養(yǎng)護(hù)

剛均生函數(shù)、馬爾可夫鏈法在中長期洪水預(yù)報中的應(yīng)用田 野1，解立強(qiáng)1，梁 策2，林樹剛1（遼寧省沈陽水文局，沈陽150400；2.遼寧省丹東水文局）中長期洪水預(yù)報，影響因素多，目前科技手段難以在很長預(yù)見期內(nèi)實現(xiàn)準(zhǔn)確預(yù)知。通過對均生函數(shù)、馬爾可夫鏈法綜合應(yīng)用，對比分析，可以確認(rèn)是值得推廣應(yīng)用的新方法。中長期洪水預(yù)報；均生函數(shù)；馬爾可夫鏈法；綜合研究對于中長期洪水預(yù)報，影響因素多，本文通過對均生函數(shù)、馬爾可夫鏈法進(jìn)行了分析對比。1 均生函數(shù)法設(shè)有n個觀測樣本的降

與股市波動的馬爾可夫轉(zhuǎn)換關(guān)系研究*胡一博 （西北工業(yè)大學(xué)自動化學(xué)院，西安710072）摘 要：貨幣政策對股票市場的影響與股市所處的狀態(tài)存在直接的關(guān)聯(lián)，文中運(yùn)用馬爾可夫區(qū)制轉(zhuǎn)換向量自回歸模型，實證研究了我國貨幣政策與股市波動的轉(zhuǎn)換關(guān)系．研究結(jié)果表明：將影響系統(tǒng)的膨脹期、平穩(wěn)期和低迷期的三個區(qū)制劃分合理，貨幣政策與股市波動相關(guān)關(guān)系顯著，貨幣供應(yīng)量對股市波動的影響力度要大于利率的影響，在不同的區(qū)制下各變量的相關(guān)關(guān)系表現(xiàn)不同．關(guān)鍵詞：貨幣政策；股市波動；馬爾可夫；

過程近似看作馬爾可夫隨機(jī)過程，建立了兩狀態(tài)連續(xù)參數(shù)的馬爾可夫動態(tài)數(shù)學(xué)模型；通過分析飛機(jī)的生存特征、掛載吊艙的偵察性能以及各種防空武器系統(tǒng)的物理特征和損傷機(jī)理，提出了任務(wù)成功率、偵察目標(biāo)率、飛機(jī)損失率動態(tài)作戰(zhàn)效能指標(biāo)，并分析了基于價值的最佳偵察時間；給出了戰(zhàn)斗機(jī)掛載偵察吊艙執(zhí)行作戰(zhàn)偵察任務(wù)的實例計算分析，結(jié)果表明所建數(shù)學(xué)模型較為客觀的反映了作戰(zhàn)偵察的實際情況。關(guān)鍵詞：偵察吊艙；戰(zhàn)術(shù)偵察；效能；馬爾可夫收稿日期：2014-07-03作者簡介：肖明(1980—)

洛仿真和一階馬爾可夫模型.早期鏈路連通性研究主要采用蒙特卡洛仿真方法［5-6］.GERHARZ M 等［5］最早利用蒙特卡洛仿真方法，分析了不同運(yùn)動模型下的鏈路特性.在此基礎(chǔ)上，BAI F等［6］基于蒙特卡洛仿真分析了通信路徑穩(wěn)定性，并改進(jìn)路由協(xié)議.當(dāng)仿真數(shù)據(jù)量足夠大時，蒙特卡洛仿真結(jié)果比較接近實際情況，但實驗所需的時間長、數(shù)據(jù)存儲空間大，形成研發(fā)瓶頸.為了有效評估移動自組織網(wǎng)絡(luò)的連通特性，需針對特定環(huán)境設(shè)計鏈路連通性模型.傳統(tǒng)的鏈路連通性建模主要采用一階

0）關(guān)于時齊馬爾可夫鏈的一個極限定理的討論周茂俊，蔡曉薇，鄭林，袁宏?。ò不肇斀?jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030）針對同一作者主編的兩本隨機(jī)過程教材中不一致的結(jié)論展開討論，通過分類舉例論證，得出時齊馬爾可夫鏈的條件下，狀態(tài)j為正常返時的結(jié)論應(yīng)為，而不是。并在fij=d的特殊情況下，借助Stolz極限定理給出簡捷的證明。隨機(jī)過程；馬爾可夫鏈；Stolz定理；轉(zhuǎn)移概率近幾十年來，隨機(jī)過程無論是在理論上還是在應(yīng)用上都有著蓬勃的發(fā)展，它的基本知識和方法

音遵循簡單的馬爾可夫鏈馬爾可夫鏈因俄羅斯數(shù)學(xué)家安德烈·馬爾可夫得名，用來描述只受有限個過去事件影響的一串過程。該過程中，在給定當(dāng)前知識或信息的情況下，只有當(dāng)前的狀態(tài)用來預(yù)測將來，過去對于預(yù)測將來是無關(guān)的。推而廣之，只有有限個事件能決定接下來會發(fā)生什么。這樣的系統(tǒng)不僅簡單易研究，而且還意味著，如果發(fā)出新聲音的過程滿足這個特點，不需要太多“腦力”記得過去的音就能做到?！啊畡游锏陌l(fā)聲順序遵循馬爾可夫鏈這個假設(shè)，興起于諾姆·喬姆斯基1957年出版的《句法結(jié)構(gòu)》一書

]、距特征和馬爾可夫特征[7]、圖像質(zhì)量評價量和矩特征量[8]、圖像質(zhì)量評價量和隱馬爾可夫模型[9]進(jìn)行檢測。該類方法需要圖片庫訓(xùn)練分類器，增加了計算的復(fù)雜度，但其檢測正確率較高。本文提出一種利用圖片的信息熵，并結(jié)合改進(jìn)的馬爾可夫特征檢測拼接圖片的新方法。2 特征提取本文提出了利用圖片的信息熵和改進(jìn)的馬爾可夫特征檢測圖片拼接的算法。下文詳細(xì)介紹圖片的信息熵和多步馬爾可夫特征的提取過程。2.1 信息熵信息熵用來測量數(shù)字圖像包含的信息，數(shù)字圖像由眾多像素組成，

10068）馬爾可夫模型是由Andrei A Markov于1913年提出來的，作為一種統(tǒng)計模型，廣泛應(yīng)用在語音識別，詞性自動標(biāo)注，音字轉(zhuǎn)換，概率文法等各個自然語言處理等應(yīng)用領(lǐng)域，到目前為止，它一直被認(rèn)為是實現(xiàn)快速精確的語音識別系統(tǒng)的最成功的方法[1]。而隱馬爾可夫模型是對馬爾可夫模型的一種擴(kuò)充，創(chuàng)立于20世紀(jì)60年代末70年代初。80年代得到了傳播和發(fā)展，成為信號處理的一個重要方向，同時開始應(yīng)用到生物序列尤其是DNA的分析中。從那時后起，在生物信息學(xué)領(lǐng)域

主要應(yīng)用加權(quán)馬爾可夫鏈的預(yù)測方法對居民消費(fèi)價格指數(shù)進(jìn)行預(yù)測。1 馬爾可夫鏈在實際中有一類很廣泛的隨機(jī)過程，其特點體現(xiàn)在過程中各個時刻的隨機(jī)變量有一定的相依（即非獨(dú)立）關(guān)系，具體地說就是：過去只影響現(xiàn)在，而不影響將來，這種隨機(jī)過程叫做馬爾可夫過程。時間離散、狀態(tài)離散的馬爾可夫過程叫做馬爾可夫鏈。嚴(yán)格的數(shù)學(xué)定義為[3]：設(shè)（Ω，F(xiàn)，P）為一概率空間，{X（n），n≥0}是定義在其上的取值為整數(shù)（或它的子集）的隨機(jī)序列，若對任意的m≥1 及非負(fù)整數(shù)t1＜t2＜…

隨機(jī)過程加權(quán)馬爾可夫鏈模型對未來時刻的空氣污染指數(shù)進(jìn)行預(yù)測，不僅細(xì)化城市空氣污染指數(shù)分級標(biāo)準(zhǔn)，進(jìn)一步推進(jìn)完善空氣污染指數(shù)的研究方法，而且對于預(yù)防大氣災(zāi)害研究有著深遠(yuǎn)的意義。1 馬爾可夫鏈及加權(quán)馬爾可夫鏈預(yù)測的基本思想和步驟1.1 馬爾可夫鏈設(shè)有隨機(jī)過程XT={Xt,t∈T=(0,1,2，…)}，其狀態(tài)空間為I={0,1,2，…}，若對任意正整數(shù)k，任意ti∈T,tiP{Xtk+1=ik+1|Xt0=i0,Xt1=i1···Xtk=ik}=P{Xtk+1=i

中一個變量的馬爾可夫毯(Markov blanket)時，貝葉斯網(wǎng)絡(luò)中其他變量與該變量條件獨(dú)立，一個變量的馬爾可夫毯能夠屏蔽貝葉斯網(wǎng)絡(luò)中其他變量對該變量的影響，可用來預(yù)測、分類和因果發(fā)現(xiàn)等.確定目標(biāo)變量的馬爾可夫毯有2類方法:利用打分—搜索方法等建立貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，然后基于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)確定目標(biāo)變量的馬爾可夫毯，但該類方法得到的馬爾可夫毯不準(zhǔn)確，且學(xué)習(xí)方法效率低;另一類是利用局部學(xué)習(xí)的方法直接學(xué)習(xí)目標(biāo)變量的馬爾可夫毯.當(dāng)前研究者主要采用基于局部學(xué)習(xí)的方法學(xué)

000）改進(jìn)馬爾可夫鏈耕地需求量預(yù)測模型的應(yīng)用韓素芳（云南民族大學(xué) 經(jīng)濟(jì)學(xué)院，昆明 650000）文章以耕地利用動態(tài)度為度量，利用模糊有序聚類方法將耕地需求量劃分為不同的狀態(tài)區(qū)間，并建立馬爾可夫鏈狀態(tài)轉(zhuǎn)移概率矩陣，以規(guī)范化的各階自相關(guān)系數(shù)為權(quán)重改進(jìn)傳統(tǒng)的馬爾可夫鏈預(yù)測模型，用改進(jìn)后的模型對土地利用規(guī)劃中耕地需求量進(jìn)行預(yù)測。實驗結(jié)果表明，改進(jìn)后的方法預(yù)測結(jié)果與實際情況吻合，具科學(xué)性和實用性。模糊有序聚類；馬爾可夫鏈；耕地需求量；預(yù)測馬爾可夫鏈最基本特征是在系

30073）馬爾可夫轉(zhuǎn)換模型的極大似然估計的算法張虎，胡淑蘭（中南財經(jīng)政法大學(xué)信息學(xué)院統(tǒng)計系，武漢430073）由金融和經(jīng)濟(jì)時間序列，文章引入了馬爾可夫轉(zhuǎn)換模型并詳細(xì)給出其原理——隱藏馬爾可夫模型，以及在條件高斯下的極大似然估計方法。通過引入新的模型——擴(kuò)張隱藏馬爾可夫模型，對多種狀態(tài)轉(zhuǎn)移的情形下的極大似然估計量的算法進(jìn)行了改進(jìn)。馬爾可夫轉(zhuǎn)換模型；隱藏馬爾可夫模型；極大似然估計0 引言在金融和經(jīng)濟(jì)時間序列中，通常存在一些時間段，其時間序列的行為與前期相比，

1 模型建立馬爾可夫過程是一類極為重要的隨機(jī)過程，是解決存儲問題、排隊問題、人口問題、風(fēng)險問題等等的有效的數(shù)學(xué)工具。而馬爾可夫分枝過程又是馬爾可夫過程的重要分支，在排隊論、生物學(xué)、物理學(xué)等等中具有非常廣泛的應(yīng)用。經(jīng)典馬爾可夫分枝過程已得到廣泛研究，它的最基本的性質(zhì)就是分枝性，直觀的說，分枝性就是系統(tǒng)中不同粒子之間是相互獨(dú)立、互不干擾的。然而，在大多數(shù)現(xiàn)實情況中，不同粒子之間往往不是相互獨(dú)立的，而是密切相關(guān)的，因此很多學(xué)者對經(jīng)典馬爾可夫分枝模型進(jìn)行了多種形式

23400)馬爾可夫鏈在教學(xué)質(zhì)量評估中的應(yīng)用研究施政(炎黃職業(yè)技術(shù)學(xué)院基礎(chǔ)部 江蘇淮安 223400)對馬爾可夫鏈在教學(xué)質(zhì)量評估中的應(yīng)用進(jìn)行了研究，闡明了這種方法的基本原理及其具體實施步驟，為合理、有效地評價教學(xué)效果提供理論和實踐依據(jù)，并說明了馬爾可夫鏈評估法在評估教學(xué)質(zhì)量時較其它評估方法更具合理性。馬爾可夫鏈;平穩(wěn)分布;轉(zhuǎn)移矩陣;教學(xué)質(zhì)量在進(jìn)行教學(xué)質(zhì)量評估方法中，傳統(tǒng)的方法主要是分析學(xué)生某次考試成績的平均分或者及格率等，甚至以此作為主要依據(jù)來判斷各個不同

0)隱非齊次馬爾可夫模型的強(qiáng)大數(shù)定律吳小太,吳艷蕾(安徽工程科技學(xué)院數(shù)學(xué)系,安徽蕪湖 241000)在狀態(tài)集都有限的情況下,給出了隱馬爾可夫模型的一些性質(zhì)定理.利用馬氏鏈的強(qiáng)極限定理,得到了隱非齊次馬爾可夫模型的強(qiáng)大數(shù)定律.隱馬爾科夫模型;隱非齊次馬爾可夫模型;強(qiáng)大數(shù)定律1 引言設(shè){Xn,n≥0}與{Yn,n≥0}是概率空間(?,F,P)上分別取值于S與T的隨機(jī)變量序列,其中S與T均為可列集.假設(shè){Xn,n≥0}是馬氏鏈，它不能被直接觀測到,稱為隱藏鏈.而