部分状态可见的隐马尔可夫模型的Viterbi算法

本文研究了隐马尔可夫模型的Viterbi算法,在已知隐马尔可夫模型的部分状态、初始概率分布、状态转移概率矩阵和观测概率矩阵的条件下,由此Viterbi算法给出最优状态序列的估计.相对于已有的算法,本文的算法考虑了部分可见状态对初始条件和递推公式的影响,并且本文的算法能保证预测的状态序列是整体最优的.最后,我们将本文的算法应用于故障识别,从而验证所设计算法的可行性.     

隐马尔可夫多元正态分布参数的极大似然估计

隐马尔可夫模型广泛应用于时间、空间、状态转移数据的统计建模.文章给出了隐马尔可夫多元正态分布的定义,介绍了用聚类分析确定观测变量隐状态的原理,推导了模型中未知参数的极大似然估计量,模拟生成观测数据集检验了该方法的估计效果和稳定性.特色之处是首次提出用聚类分析、极大似然估计等简单的经典统计推断方法解决隐马尔可夫模型的参数估计问题.     

改进的带驻留时间隐Markov模型的前向-后向算法

对隐Maxkov模型(hidden Markov model:HMM)的状态驻留时间的概率进行了修订,给出了改进的带驻留时间隐Markov模型的结构,并在传统的隐Markov模型(traditional hidden Markov model:THMM)的基础上讨论了新模型的前向.后向变量,导出了新模型的前向-后向算法的迭代公式,同时也给出了新模型各个参数的重估公式.     

股骨近端防旋髓内钉治疗高龄股骨转子间骨折

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

基于多元t-分布的隐马尔可夫潜变量模型的稳健推断

潜变量模型在刻画因子间的相互关系以及因子与观测变量间的关联性方面具有重要作用.在实际应用中,观测数据往往呈现出重尾和极端值等特性.将经典的潜变量模型延伸到齐次隐马尔可夫模型,并建立了基于多元t-分布的极大似然统计分析程序.经验结果展示所建立的统计程序对消除异常点的影响是有效的.     

带有缺失数据的纵向隐马尔可夫因子模型的贝叶斯分析

隐马尔可夫因子模型在刻画多元纵向数据的关联性和异质性具有重要作用.在实际应用中,观测数据往往呈现缺失数据.本文在纵向框架内,对缺失的数据提出了一个建模.使用一个多项模型去拟合缺失数据指标,并提出用一系列一维条件分布的联合分布来建模.每个一维条件分布不仅取决于当前变量的观测值,而且也糅合以前的观测值和丢失的信息.在贝叶斯框架内,马尔可夫链蒙特卡罗方法用于实现后验分析.带有Metropolis-Hastings算法的Gibbs采样器被用来从相关的满条件分布中抽取随机样本.后验推断基于这些模拟观测值进行展开.我们进行了模拟研究.实证结果表明,所提出的方法在模型是正确指定时是十分有效的,而且对模型偏移也具有一定的稳健性.     

基于灰色马尔可夫模型的物流配送需求量预测研究

研究可以较准确地预测物流配送需求量的数学模型,以服务于政府及企业的物流规划及其决策.将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM模型预测.     

基于改进的灰色马尔可夫链模型的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础.灰色预测适合于数据量少和波动小的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.为克服一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题,本文建立了改进的灰色马尔可夫链模型.采用滑动转移概率矩阵方法,去掉最老数据并补充最新数据,从而建立新的一步转移概率矩阵.借助改进的灰色马尔可夫链模型,对全国2002-2004年交通事故10万人口死亡率进行了预测分析.结果表明,改进的灰色马尔可夫链模型比一般灰色马尔可夫链模型的预测范围更准确,预测精度更高.     

双势理论用于处理非关联材料本构

基于传统塑性力学框架下的显式积分算法和基于Simo-Taylor提出的回退映射隐式积分算法是固体力学中两大经典本构积分算法.以经典的非关联材料模型Drucker-Prager(D-P)模型和Armstrong-Frederick(A-F)模型为例分别回顾了显式积分算法和隐式积分算法.以双势理论为基础,将双势的概念运用到材料的自由能中,将材料分为显式标准材料和隐式标准材料.两种传统积分算法都能有效地处理显式标准材料的本构关系,但在处理隐式标准材料时却存在一定的问题.双势积分算法是建立在双势理论下的本构积分算法,此算法不仅能够处理显式标准材料,对于处理隐式标准材料,也存在一定的优势.通过变分原理推导了双势积分算法解的存在性,运用双势积分算法处理Drucker-Prager模型和Armstrong-Frederick模型,并与经典传统积分算法得到的结果进行对比,验证了双势本构积分算法的稳定性和准确性.     

基于灰色加权马尔可夫链的移动通信市场预测

在传统的用灰色预测模型预测的方法基础上,建立了灰色加权马尔可夫链模型.以中国移动通信市场预测作为实例,介绍了使用这种模型的方法与步骤.灰色加权马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律,又通过规范化各阶自相关系数为权重,用加权的马尔可夫转移概率矩阵的变换,考虑数据的随机波动,具有严密的科学性,能较好地应用于中国移动通信市场的预测.     

带有非齐次结构动力因子模型的估计与检验

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

基于隐Markov模型的最优资产组合选择

在具有可观测和不可观测状态的金融市场中,利用隐马尔可夫链描述不可观测状态的动态过程,研究了不完全信息市场中的多阶段最优投资组合选择问题.通过构造充分统计量,不完全信息下的投资组合优化问题转化为完全信息下的投资组合优化问题,利用动态规划方法求得了最优投资组合策略和最优值函数的解析解.作为特例,还给出了市场状态完全可观测时的最优投资组合策略和最优值函数.     

基于分组数据的回归系数的估计

本文讨论了如何去解决基于分组数据下的回归系数的估计问题.本文所讨论的基于分组数据下的回归模型与经典回归模型的差异在于因变量的观测值为分组数据,即我们只知道它落于事先确定的一组区间中的某一区间,而不知道它的具体值;而经典回归模型的因变量观测值则是一个确定的数值.我们用MLE去估计回归系数,但是此时的MLE无显式解,所以寻找一个合适的迭代算法就成了问题的关键.我们选择利用Bayes计算方法中的EM算法来获得估计量的迭代公式.随机模拟显示了所得估计的有效性.     

多元马氏模型Phase-type分布的反问题

本文在多元马尔可夫模型下研究Phase-Type分布的反问题.在确定模型中各随机序列的瞬时状态集转移到吸收态集的首达时间的条件下,根据多元马氏模型的首达时间的条件分布向量序列,针对PhaseType分布的反问题,求出多元马氏模型瞬时状态集的转移概率矩阵.     

基于灰色-加权马尔可夫的机械钻速动态预测北大核心CSCD

在钻井工程中,科学准确地预测机械钻速(Rate of Penetration,ROP)对高效钻井以及钻井智能化发展具有重要意义.针对ROP的预测实效性以及波动性大的问题,在灰色系统理论的基础上,结合马尔可夫理论,建立灰色-加权马尔可夫机械钻速动态预测模型.其方法是利用灰色预测模型对ROP进行模拟预测,根据预测值的误差范围划分几个误差分布的状态空间,以不同转移步长间的状态转移信息构建状态转移概率矩阵,再利用该矩阵和不同井段的状态信息,对下一井段的ROP值进行状态空间判断并修正,同时通过不断更新模型中的数据,实现动态实时预测.以南海莺歌海盆地M井进行实例分析.结果表明:经灰色预测模型与加权马尔可夫的有效结合,ROP预测值拟合曲线不仅更加贴近实测值,而且降低了误差的离散性,具有更高的预测可信度,进而有效验证了该模型的有效性.     

0-1膨胀几何分布回归模型及其应用

在制造缺陷、专利申请、道路安全和公共卫生等应用领域,经常会出现较多的零观测值和一观测值.采用传统的泊松回归或负二项回归模型往往会过低地估计零观测值和一观测值出现的概率,数据拟合的效果欠佳.文章提出了0-1膨胀几何分布回归模型,巧妙地引入隐变量并进行极大似然估计和贝叶斯估计,基于数据扩充策略分别采用最大期望(EM)算法和Metropolis-Hastings抽样算法对回归参数向量进行估计.在不同的样本容量下进行数值模拟,并对两种估计方法的性能进行评价.研究表明,对于博士研究生发表论文数量的数据集,0-1膨胀几何分布回归模型能够达到更好的拟合效果.     

基于马尔可夫模型的我国东、中、西部的产业结构预测

应用马尔可夫预测方法对我国东、中、西部产业结构预测问题进行研究,并给出了其马尔可夫的状态转移概率矩阵的估算模型,经计算结果表明此方法具有较高的预测精度,并应用此方法预测了我国2009年和2010年的东、中、西部的产业结构.     

基于截断加权基追踪模型的迭代支撑探测算法

迭代支撑探测算法是基于截断的基追踪(Basis Pursuit,BP)模型的一种l_1最小化信号重构算法,它可以实现信号的快速重构并且所需要的观测值比经典的L1算法以及迭代加权L1算法更少.本文针对非零元具有快速退化分布性质的稀疏信号,提出了一种改进算法一一基于截断的加权BP模型的迭代支撑探测算法.在迭代的过程中,改进的算法探测原信号支撑集中元素的同时调整重构模型的权值,使得重构模型更有利于实现信号的精确重构.根据所考虑的信号的非零元具有快速退化分布性质这样的先验信息,利用阈值法则探测原信号支撑集中的元素.最后通过Matlab数值实验实现了算法,验证了基于截断的加权BP模型的迭代支撑探测算法比迭代加权L1算法需要的观测值更少,并且比迭代加权L1算法以及传统的迭代支撑探测算法需要更少的重构时间就可以实现信号的精确重构.     

一种估算马尔柯夫状态转移概率矩阵的新方法

在现有文献研究的基础上,对马尔柯夫状态转移概率矩阵估算方法又作了进一步研究,根据马尔柯夫状态转移概率矩阵的性质和特点,提出了一种新的估算方法.方法首先构造了一个以相对误差绝对值之和最小为目标,以某一状态转移到其他状态的概率之和等于1以及状态转移概率不小于零为约束条件的优化模型.在此基础上,通过变量替换,将该模型转化为线性规划模型.由于线性规划模型不仅能够求得解析解,而且有现成的求解软件,因此不但便于问题求解,而且更加方便、可靠.最后进行了示例计算,验证了给出的马尔柯夫状态转移概率矩阵优化算法的可行性和正确性.     

拟马尔可夫过程的磨光优化算法及应用

通过对磨光法及马尔可夫过程的研究,马氏过程作为区间预测的一种方法,在很大程度上约束了它预测的科学性,另外,磨光法本身也是一种迭代的方法,对于拟合的精度还是难于控制,通过拟马尔可夫矩阵与磨光法相结合及优化工具,得到拟马尔可夫过程的磨光优化算法,实例表明:拟马尔可夫过程的磨光优化算法使修正磨光后的值逼近原数据值的程度较其它算法更好,而且,拟马尔可夫矩阵反应了从一种状态到另一种状态的转移程度,并且这种算法具有更好的推广和应用。