一种改进的Markov预测模型方法

马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式.针对Markov原始预测模型算法时问和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销.改进的Markov模型虽较好地克服了原始Markov模型的缺陷.但在提高效率的同时,模型的预测准确度有所降低.不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势.     

一种基于Markov链模型的动态聚类方法

对单变量时间序列的聚类，是一类有着广泛应用背景的特殊的聚类问题。由于该问题的特殊性，现有的聚类方法无法直接使用，故提出了一种新的基于Markov链模型的动态聚类方法。该方法首先对每一个时间序列建立一个描述其动态特征的Markov链模型，从而把对时间序列的聚类问题转化为对Markov链模型的聚类问题。然后通过定义各个Markov链之间的“距离”，采用动态聚类算法完成对这些Markov链模型的聚类，使用该方法，分别对一经真实数据和仿真数据进行了聚类试验，都获得了比较好的聚类结果。     

Web浏览预测的Markov模型综述

Web访问模式挖掘研究的一个重要议题是Web浏览预测,Markov模型是一种经典的Web浏览预测模型.本文首先介绍了基本Markov浏览预测模型,包括基本Markov浏览行为模型,模型的学习训练及其在Web浏览预测问题中的应用;然后重点分析了扩展的Markov浏览预测模型,包括一序组合预测模型、高序模型、混合模型、隐Mark-ov模型、连续时间Markov模型等,综述了各种扩展模型所考虑的浏览预测问题的本质出发点、模型的学习方法及预测方法,最后分析了Markov浏览预测模型有待进一步研究的问题.     

一种基于改进Markov模型的插值方法

重建过程中常常需要使用多种插值方法来提高重建精度,并结合多来源的数据进行整合.不同尺度、不同分辨率或不同类型的数据结合可以提高空间插值结果的精度.协同序贯高斯模拟(COSGSIM)能够利用已知的主要信息(硬数据)和一些模糊的辅助信息(软数据)来预测重建.协同区域化线性模型(LMC)和最初的Markov模型(简称MM1)被COSGSIM用于融合主要信息和辅助信息.但是LMC不能解决不同变量间交叉矩阵不稳定的问题.而MM1模型只有当主要信息定义在比较大的空间尺度时,才可以实现对COSGSIM的逼近.对于上述情况,提出一种改进的Markov模型(简称MM2).MM2模型假设一个位置的辅助信息屏蔽了其他位置辅助信息对该位置主要信息的影响.实验结果表明,当主要信息定义在比辅助信息小的空间尺度时,COSGSIM方法在MM2模型下比MM1有效.     

Markov网页预测模型综述

介绍了基本的Markov浏览预测模型;讨论了扩展的Markov浏览预测模型,包括隐Markov模型、多Markov模型、混合模型、结构相关性模型;综述了各个模型的算法及其优缺点;分析了Markov浏览预测模型需要深入研究的问题.     

基于类Markov链的用户浏览行为预测方法

根据浏览历史对用户进行有效聚类,建立基于用户聚类的用户浏览行为预测模型是Web环境下实现个性化服务的关键。该文对系统用户进行聚类,产生相似用户群,根据每个相似用户群的浏览特征,建立基于相似用户群的类Markov链用户浏览行为预测模型,实验验证了该模型的有效性。     

基于动态分类的Markov用户浏览预测模型

针对多Markov链用户浏览预测模型分类算法的时间复杂度过高问题,提出一种基于动态分类的Markov用户浏览预测模型。该模型通过学习提取用户浏览特征,利用这些特征对用户浏览路径进行分类,实现预测并动态更新用户浏览特征。实验结果表明,该模型可明显降低用户浏览路径预测的时间,并得到较为准确的预测结果。     

基于改进的Markov模型预测准确度研究

马尔可夫（Markov）模型方法主要解决的问题是从当前状态预测下一个状态,因此适合作为一个预测模型来挖掘用户的页面访问模式。此文在总结以往Markov模型方法基础上,从页面访问时间和用户个体特征两个角度对模型方法进一步改进,以提高模型预测的准确度。最后将改进的Markov方法与协同过滤方法进行了比较,指出其在计算开销和预测准确度上的优势。     

一种基于Markov模型和协同克里格的插值方法

协同克里格是一种具有无偏性和最小预测方差的插值方法.它的主要优点在于充分考虑了空间信息点的相关性和不同变量间的交叉相关性,从而可以将不同信息进行融合.最初的协同克里格方法不能解决不同变量间交叉矩阵不稳定的问题.然而,根据Markov模型的屏蔽效应假设,可对协同克里格方法进行逼近.Markov模型的屏蔽效应假设:硬数据可以屏蔽在其位置以外的其他硬数据对其所在位置软数据的影响.因此在同位置协同克里格中引入Markov模型实现上述逼近.实验说明了该方法的有效性:(1)对该方法模拟结果与真实参考数据的方差和均值进行计算,误差分别为3.8%和2.9%;(2)插值结果具有与真实参考数据相似的直方图分布;(3)在模拟效果上要优于全局协同克里格和简单克里格方法.     

一种基于内容特性的文本聚类方法

在基于概率模型的聚类中,簇模型对数据分布的拟合性直接影响着聚类质量。基于内容的文本数据分布的复杂性导致单一因素的簇模型无法准确拟合文本数据的分布特征。该文认为文本基于内容的分布特性主要受主题内容和通用写作方式影响,给出了一种基于主题模型和通用模型的混合簇模型和基于该簇模型的文本聚类方法。实验表明该聚类方法较单一因素的簇模型具有更好的拟合性,聚类质量 更好。     

Guided Cluster Discovery with Markov Model

Cluster discovery is an essential part of many data mining applications. While cluster discovery process is mainly unsupervised in nature, it can often be aided by a small amount of labeled data. A probabilistic model on the clustering structure is adopted and a novel unified energy equation for clustering that incorporates both labeled data and unlabeled data is introduced. This formulation is inspired by a force-field model integrating labeling constraint on labeled data and similarity information on unlabeled data for joint estimation. Experimental results show that good clusters can be identified using small amount of labeled data.     

基于马尔科夫链的主机异常检测方法研究

提出了基于马尔科夫链模型的主机异常检测方法,首先提取特权进程的行为特征,并在此基础上构造Markov模型。由Markov模型产生的状态序列计算状态概率,根据状态序列概率来评价进程行为的异常情况。利用Markov模型的构造充分提取特权进程的局部行为特征的相互关系。实验表明该模型算法简单、实时性强、检测率高、误报率低、适合用于在线检测。     

基于Markov理论的改进灰色GM(1,1)预测模型研究

在灰色预测的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型.它是将灰色预测模型与马尔可夫预测方法优化组合,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列趋势预测模型的解.通过公路运输实际数据进行了验证,结果表明:灰色马尔可夫预测模...     

基于偏爱度的多步Markov网页预测模型

随着WWW的迅速扩张和网络用户的急剧增加,准确预测Web用户的访问行为对减少用户的感知延时、提高网络服务质量具有重要作用。文章分析了传统Markov模型的优缺点,针对低阶Markov模型准确率不高,而高阶Markov模型状态空间复杂度较高的缺点,提出了一种新的K步Markov模型（K-Step Markov Model,K-SMM）,并引入了偏爱度的概念,建立了基于偏爱度的多步Markov网页预测模型（Preferred K-Step Markov Model,PKSMM）。实验结果表明,该模型可以获得更高的预测准确率与覆盖率,并能有效地降低存储复杂度。     

An Improved Markov Model for IEEE 802.15.4 Slotted CSMA/CA Mechanism

IEEE 802.15.4 protocol is proposed to meet the low latency and energy consumption needs in low-rate wireless applications,however,few analytical models are tractable enough for comprehensive evaluation of the protocol.To evaluate the IEEE 802.15.4 slotted CSMA/CA channel access mechanism in this paper,we propose a practical and accurate discrete Markov chain model,which can dynamically represent different network loads.By computing the steady-state distribution probability of the Markov chain,we obtain a...     

基于马尔科夫链理论的改进的最大Lyapunov指数混沌预测法

针对很多文献都一直规避的基于最大Lyapunov指数的混沌预测会出现两个预测值的问题,引入马尔科夫链改进最大Lyapunov指数的混沌预测方法。改进的方法将时间序列的斜率作为状态变量,并根据马尔科夫链建立状态转移矩阵,判定预测值演化方向,进而根据混沌动力学系统的演化规律选择最优的预测值。最后利用渝武高速公路的交通流数据进行验证,结果表明了改进算法的可行性和有效性。     

基于加权观测的隐马尔可夫模型

针对隐马尔可夫模型无法融合分类结果权值的问题,文中提出加权观测隐马尔可夫模型(WOHMM),并给出模型中概率计算、参数学习、序列标注三个基本问题的解决算法.使用公开数据集对参数学习和序列标注问题进行仿真实验,结果表明,WOHMM的参数学习算法能得到更接近真实值的模型参数,序列标注算法的效果较优.