基于马尔可夫链的电子商店顾客行为预测模型

针对当前顾客行为预测主要集中在单个顾客,尚未考虑顾客群体的影响,提出了采用马尔可夫链模型.通过结合顾客的访问日志数据和网站后台记录的交易数据确保预测数据的完整性和真实性,这样能够更准确的预测顾客未来的访问状态,然后求得商品在该时间段的访问情况,以此电子商店经营者可以采取相应的对策来优化商品达到网站效益的最大化.通过实例应用表明,预测结果与实际情况吻合较好,对提高电子商店的效益具有很重要的实用价值.     

一种基于改进的马尔可夫链的交通状况预测模型

城市交通日益拥堵的今天,为用户推荐最快行驶路线成为一个研究热点。行驶路线推荐的核心问题是对路线将来某段时间(途径这段线路时)交通状况的预测。交通状况受到路线本身状况、行驶时间、天气状况、驾驶员习惯等多种因素影响,其变化快、变化方式复杂,难以准确预测。对多阶马尔可夫链模型进行了改进,提高了运算效率和响应速度,建立一种高效的交通状况预测模型,经北京市实际交通数据的检验,得到了比较好的预测效果。     

基于马尔可夫链的市场营销预测模型

本文通过建立产品的状态转移概率矩阵,利用马尔可夫链进行分析和计算,给出产品的市场营销预测的数学模型,从而给经济预测提供切实可靠的理论依据,并且运用Excel软件实现马尔可夫预测技术.设计的程序使用方便,操作简单,大大提高了工作效率,具有一定的实用和推广价值.     

多Markov链用户浏览预测模型

建立有效的用户浏览预测模型，对用户的浏览做出准确的预测，是开发各种浏览导航工具的关键．传统的Markoxr链模型是一种简单而有效的预测模型，但它存在预测准确率低，存储复杂度高等缺点．通过对该模型的扩展，该文提出并建立了一种基于用户分类的新模型——多Markov链模型．实验表明，该模型能更准确地描述用户在Web上的浏览特征，在预测准确率和存储复杂度方面都显著地优于传统的Markov链模型．     

基于映射矩阵的网络流量分析预测模型

通过对用户行为分析,发现IP数据流具有平稳性、自相关性等特点,提出基于映射矩阵流量预测模型,并与线性模型AR、ARIMA和非线性基于反馈神经网络BP模型、Elman神经网络作对比,试验结果证明,映射矩阵模型,比现有模型具有预测精度高、收敛快等特点。     

基于交互式马尔可夫链的模型检验

研究了基于交互式马尔可夫链（IMC)的模型检验,IMC是集功能描述和性能刻画为一体的并发系统模型,模型检验是一种自动功能验证与性能评价技术。文中提出的模型检验算法结合了传统的功能验证与性能评价的功能,并且与现有的算法相一致。实验分析表明,该算法具有较高的性能,适用于大型复杂系统的验证和评价。     

基于马尔可夫链的舆情热度趋势分析

针对舆情热度的波动范围较大,并会呈现某种趋势的特点,提出了一种基于马尔可夫链的舆情热度趋势分析模型。该模型采集相关热点舆情的指标数据,得到热度的时间序列值;分析热度的趋势变化,划分状态空间,构建状态转移矩阵,预测热度的趋势变化区间。实验表明,该方法能有效地预测热点舆情的走势,进而辅助对舆情的引导和控制。     

基于静态马尔可夫链模型的实时异常检测

马尔可夫链模型可以用来描述系统的正常行为模式,文中提出了一种基于静态马尔可夫链的异常检测方法,在此基础上进行了算法实现。实验结果表明该方法实现简单,准确率较高,可适用于不同环境下的实时检测。     

基于马尔可夫链的校园云平台效用分析

校园网存在能耗高、效率低、浪费多等诸多问题,其可以通过云计算来解决,但云计算所带来的效益增长并没有一个很好的标准。对校园云平台进行了简单描述,对数据中心的成本、用户实例的成本进行了分析,提出了校园云平台成本效用函数。建立了校园云平台马尔可夫链模型来分析负载均衡策略和贪心策略。使用CloudSim对校园云平台进行仿真,对模型进行验证分析和比较。通过建立模型和仿真分析得知,建立云平台,采用不同的策略,可以有效提高校园网资源利用率以降低成本,或者提供更好的服务质量。     

基于马尔可夫链组合预测模型的程序设计

用 Fortran语言设计了马尔可夫链组合预测模型中的计算程序 ;并计算出股票价格涨落的概率。     

基于Markov链使用模型的软件可靠性测评方法研究

基于Markov链使用模型的软件统计测试是产生高效测试用例,实现软件可靠性定量评估的有效方法.论述了该方法中使用链与测试链的构建技术,基于使用模型的统计分析计算,基于测试链的软件可靠性评估,操作可靠性和使用可靠性评估,以及它们在实际应用中需要注意的若干问题.     

基于网络访问行为的混合阶Markov预测模型

随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.     

基于马尔科夫残差修正的瓦斯浓度预测

针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。     

基于马尔科夫模型的用户兴趣转移建模

为解决在社交网络平台中的用户内容个性化推荐问题,提出一种微博用户兴趣转移模型。用户的不同兴趣在其生活以及社交网络平台中的内容所占比例趋于稳定,且在社交网络平台中用户下一时刻的内容受到用户当前内容的影响。提出基于LDA(潜在狄利克雷分布)主题模型推断用户主题分布、确定用户兴趣,在新浪微博系统上,基于马尔科夫模型的状态转移原理构造用户兴趣的转移模型,挖掘用户兴趣之间的转移概率,实现对用户微博内容进行预测。在真实数据集上验证了该模型的合理性和有效性,其推荐准确率达到78%。     

基于灰色加权马尔可夫SCGM(1,1)c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。基于灰色系统理论和马尔可夫链理论,应用系统云灰色模型SCGM(1,1)c拟合道路交通时序数据的总体趋势,所得拟合指标是随机波动的。马尔可夫链原理适合处理波动性大的系统过程,因此选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于道路交通事故次数预测的灰色加权马尔可夫SCGM(1,1)c模型,它适用于时间序列短,数据量少且随机波动不太大的动态过程预测。以某市1975—2010年道路交通事故次数为例进行了预测分析,结果表明该模型既能揭示交通事故次数变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

基于改进马尔可夫链的航线预测算法

在交通领域,研究分析旅客的出行目的地会产生很多商业价值。针对旅客出行目的地的不确定性造成研究困难的问题,现有方法利用熵衡量移动的不确定性来描述个体的出行特性,并同时考虑个体轨迹的时空相关性,并不能达到理想的预测精度,因此,提出了基于改进马尔可夫链的航线预测算法来对旅客的出行目的地进行预测。首先对旅客历史出行的距离分布、地点分布和时间规律特性进行了分析;然后又分析了人类移动对历史行为和当前地点的依赖性;最后将旅客的常住地特性和新航线的探索概率加入到转移矩阵的计算中,提出并实现了改进的马尔可夫链航线预测算法,进而对旅客的下一次出行进行预测。实验结果显示,该模型可以达到66.4%的平均预测精度。研究成果可以应用在航空领域的用户出行分析中,使航空公司更好地了解和预测旅客的出行,提供个性化的出行服务。     

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明：等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。