基于动态规划的高阶隐马氏模型推广的Viterbi算法

首先通过Hadar等价变换方法将高阶隐马氏模型转换为与之等价的一阶向量值隐马氏模型,然后利用动态规划原理建立了一阶向量值隐马氏模型的Viterbi算法,最后通过高阶隐马氏模型和一阶向量值隐马氏模型之间的等价关系建立了高阶隐马氏模型基于动态规划推广的Viterbi算法．研究结果在一定程度上推广了几乎所有隐马氏模型文献中所涉及到的解码问题的Viterbi算法,从而进一步丰富和发展了高阶隐马氏模型的算法理论．     

经2状态马氏修正的Poisson过程的极大似然估计

近年来。隐马氏模型成为研究相依随机变量的一个十分有用的工具。应用过程中的一个很重要的问题是如何对隐马氏模型的参数进行估计。一般使用的方法是将连续时间隐马氏模型的问题转化为离散时间隐马氏模型的问题来讨论。本文用此方法讨论一类连续时间隐马氏模型——状态个数为2的经马氏链修正的Poisson过程的极大似然估计及其算法。此类模型被广泛用来对复杂通信网络的通信流进行建模。     

隐Markov模型的强马氏性

引入隐Markov模型强马氏性的概念,并进一步研究了隐Markov模型在强马氏性方面的一些性质.     

二阶离散隐马尔科夫模型的严格定义及等价性质

隐马氏模型作为一种具有双重随机过程的统计模型,具有可靠的概率统计理论基础和强有力的数学结构,已被广泛应用于语音识别、生物序列分析、金融数据分析等领域.由于传统的一阶隐马氏模型无法表示更远状态距离间的依赖关系,就可能会忽略很多有用的统计特征,故有人提出二阶隐马氏模型的概念,但此概念并不严格.本文给出二阶离散隐马尔科夫模型的严格定义,并研究了二阶离散隐马尔科夫模型的两个等价性质.     

可列非齐次隐Markov模型的强大数定律

隐马尔科夫模型被广泛的应用于弱相依随机变量的建模,是研究神经生理学、发音过程和生物遗传等问题的有力工具。研究了可列非齐次隐 Markov 模型的若干性质,得到了这类模型的强大数定律,推广了有限非齐次马氏链的一类强大数定律。     

剖面隐马氏模型训练算法的改进

利用剖面隐马氏模型获得多序列联配，一般需要经过初始化、训练、联配三个过程．然而，目前广泛采用的Baum—welch训练算法假设各条可观察序列互相独立，这与实际情况有所不符．本文对剖面隐马氏模型，给出可观察序列在互相不独立情况下的改进Baum—wlelch算法，在可观察序列两种特殊情况下（互相独立和一致依赖），得到了改进算法的具体表达式，讨论了一般情况下权重的选取方法．最后通过一个具体的蛋白质家族的多序列联配来说明改进算法的效果．     

基于二维真实隐马氏模型的手写体文字识别算法

近几年来，人们采用各种方法试图将1D隐马氏模型(HMM)^[2]推广到2D隐马氏模型。令人失望的是由于在建立合适的2D模型及其计算上的复杂度问题上存在困难，前面的尝试都没有得到一个真实的2DHMM．本文对于应用真实2D隐马氏模型(隐马氏网格随机场HMMRF)^[1,4]进行手写字符识别问题提出新的框架，针对文献[1]中的单点最优算法给出局部最优的译码算法。HMMRF模型是1D隐马氏模型到2D的扩展，能更好的描述字符的2D特性。HMMRF在字符识别中的应用具有两个相——学习相和译码相。在学习相和译码相中我们的最优标准是基于极大边缘后验概率的。不过，在涉及到2D模型中的计算问题时，对模型做出某些简单化的假设是必要的。本文用到的方法对于在合理的模型假设下解决手写字符识别问题呈现了很大的潜力。     

隐非齐次马尔可夫模型的强大数定律

在状态集都有限的情况下,给出了隐马尔可夫模型的一些性质定理．利用马氏链的强极限定理,得到了隐非齐次马尔可夫模型的强大数定律．     

一类带随机延滞的时间序列模型的遍历性

本利用马氏化方法和一般状态空间马氏链的基本理论研究了一类带随机延滞的时间序列模型的遍历性，得到了该模型伴随几何遍历的一个判别准则．     

Fuzzy-2D-HMMS算法及其收敛性

通过对Dat Tran和Michael Wagner等提出的FCM-FE-HMMS算法研究,并把它与2维隐马氏模型联系起来,提出了Fuzzy-2D-HMMS算法,得出在给定初值的情况下该算法将收敛到一个局部最优解.     

马氏风险过程

研究了一般马氏风险过程,它是经典风险过程的拓广．具有大额索赔的风险过程用此马氏风险模型来描述是适合的．在此模型中,索赔到达过程由一点过程来描述,该点过程是一马氏跳过程从0到t时间段内的跳跃次数．主要研究了此风险模型的破产概率,得到了破产概率满足的积分方程,并应用本文引入的广更新方法,得到了破产概率的收敛速度上界．     

三状态隐马氏模型观测过程的可逆性(英文)

对于连续时间和离散时间三状态隐马氏模型,给出了观测过程直到三维的似然函数流的显式表达.作为一个应用,证明了观测过程可逆性的充分必要条件.     

带跳随机波动率模型的高阶ADI分裂格式

针对带跳随机波动率模型满足的偏积分微分方程,提出一种新的高阶交替方向隐式（ADI）有限差分格式,该模型是一个具有混合导数和非常数系数的对流扩散型初边值问题.我们将不同的高阶空间离散与时间步ADI分裂格式相结合,得到了一种空间四阶精度、时间二阶精度的有效方法,并采用Fourier方法分析了高阶ADI格式的稳定性.最后,通过对欧式看跌期权定价模型进行数值实验证实了数值方法的高阶收敛性.     

用概率距离研究非时齐马氏链的收敛性

该文用概率距离和耦合方法研究了一般状态空间非时齐马氏链的收敛性,得到了一般状态空间.非时齐马氏链收敛的一个条件.     

高阶过程对强场自电离的影响

本文采用包含高阶过程的一般模型,系统研究了连续激光、方形激光脉冲和双曲正割型激光脉冲作用下的强场自电离及其光电子谱,着重讨论了高阶过程、脉冲形状以及脉宽的重要影响.     

树指标马氏链的若干性质

主要研究了树指标马氏链的若干性质,它与一般直线上的马氏链有类似的性质.     

一般随机环境中马氏链的强大数律

本文研究了具有离散参数的一般环境中马氏链的强大数定律.利用随机环境中马氏链停时,获得了加在绕积马氏链样本函数上大数定律成立的充分条件.     

一般化马氏决策规划的现状与展望

本文综述了一般化马氏决策规射的研究现状,并讨论了存在的问题和进一步研究的方向.马氏决策规划(Markov Decision Programming,简记为 MDP)诞生于60年代初,至今已有四个分支:离散时间 JMDP,连续时间 MDP,半马氏决策规划和马氏决策漂移过程.标准的离散时间 MDP 模型为:     

带常数红利边界马氏相依风险模型的Gerber-Shiu折扣惩罚函数的期望

本文研究了带常数红利边界的马氏相依风险模型,利用微分方法,推导出折扣惩罚函数的期望所满足的积分-微分方程,及其满足的边界条件,并给出了其解的一般表达形式.     

马尔可夫交换Levy过程的最小熵鞅测度

研究了由马尔可夫交换Levy过程的随机指数所驱动的风险资产的期权定价问题,即市场的利率、风险资产的波动率以及N个状态的补偿子都依赖于不可观的经济状态,而这些经济状态服从于一个连续时间的隐马氏链模型.一般地,由马尔可夫交换Levy过程的随机指数所描述的市场是不完备的,因此,鞅测度不是唯一的.通过采用状态转换Esscher变换来确定等价鞅测度,并且证明了所得到的定价测度就是最小熵鞅测度.