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。     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.     

关于一类有限非齐次马尔可夫链熵率的收敛速度

运用随机条件熵的概念和绝对平均收敛的一些性质,利用H S Chang研究齐次马氏链熵率收敛速度的方法考虑了在给定条件下的一类有限非齐次马氏链熵率的指数收敛速度.     

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.     

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．     

非齐次隐马尔可夫模型随机变换的若干强极限定理

利用鞅方法讨论了非齐次隐马尔可夫模型变换的强极限定理,作为特殊情形,将随机选择的概念拓展到非齐次隐马尔可夫模型中,得到了关于有限非齐次隐马尔可夫模型随机选择与随机公平比的若干极限定理.     

有限齐次Markov链遍历性的快速判定

本文借助组合矩阵理论给出了有限齐次Ｍａｒｋｏｖ链在两种不同定义下遍历性的判定方法     

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.     

关于非齐次马氏过程散度的极限性质

将数列上的绝对平均收敛性推广到平面上,并得出相应的引理.利用这个概念给出非齐次马氏过程散度率存在的一个条件.     

Markov相依风险模型的等价定理及概率结构

严格定义了Markov相依风险模型.证明了该模型的一个等价定理,使得Markov相依风险模型中的诸过程之间的关系更清晰.获得了Markov相依风险模型的概率结构,构造性地证明了该模型的存在定理.     

An extension of the Vitali-Hahn-Saks Theorem

The Vitali-Hahn-Saks theorem on the absolute continuity of the setwise limit of a sequence of bounded measures is extended to allow unbounded measures and convergence of integrals of continuous functions vanishing at infinity.

     

一个随机变量序列熵率不存在的例子

熵率概念在信息论中是一个非常重要的概念,本文证明了一个随机变量序列熵率是不存在的.     

隐非齐次马尔可夫模型的强大数定律

本文研究了一类隐非齐次马尔可夫模型的强极限定理.利用鞅差序列收敛定理,获得了观测链{Y_n,n≥0}的强大数定律,并给出了观测链的Shannon-McMillan定理.     

熵率在中国象棋上的应用

本文通过对加权图上的随机游动熵率的研究,引进了中国象棋各棋子的熵率,从而可以比较中国象棋各棋子的自由度.     

二重非齐次马氏链的遍历性及其应用

给出二重非齐次马氏链的强遍历性,绝对平均强遍历性,Cesaro平均收敛的概念．利用二维马氏链的遍历性和C-K方程,建立了二维马氏链与二重非齐次马氏链遍历性的关系．并讨论了齐次二重马氏链绝对平均强遍历与强遍历的等价性．最后给出Cesaro平均收敛在马氏决策过程和信息论中应用．     

可列非齐次马氏链的一个强极限定理

本文提出可列非齐次马氏链关于状态出现频率的一个强权限定理．