高阶多元Markov链联合稳定分布向量的扰动界

给出了高阶多元Markov链联合稳定分布向量的几个扰动界:结合高阶多元Markov链概率转移矩阵左、右特征向量的相关性质, 得到高阶多元Markov链联合稳定分布向量的扰动界, 新的扰动界结果是一阶多元Markov链联合稳定分布向量扰动界结果的推广;利用高阶多元Markov链概率转移矩阵的特殊性, 给出其联合稳定分布向量可计算形式的扰动界, 也是已有一阶多元Markov 链联合稳定分布向量相应扰动界结果的推广;结合Paz不等式, 通过分析高阶多元Markov链联合稳定分布向量的分量扰动, 得到了联合稳定分布向量基于分量形式的扰动界, 便于观察高阶多元Markov 链中具体某条链某个状态的扰动.     

矩阵特征值的相对扰动界

设λ与~λ分别是n阶矩阵A和它的扰动矩阵A~的特征值.对|λ-~λ|/|λ~λ|型的相对扰动界进行了研究.给出了可对角化矩阵在乘法扰动下和Herm ite矩阵在加法扰动下的一些新的扰动界,改进了以往相应的结果.     

半正定极因子在酉不变范数下的绝对与相对扰动界

设A=QH是矩阵ACm×n的极分解,其中Q*Q=I,I为n阶单位矩阵,H为n阶Hermite半正定矩阵.给出了任意扰动下Hermite半正定极因子在酉不变范数下的绝对与相对扰动界.对于满秩矩阵,绝对与相对扰动界具有最优性质.     

矩阵特征空间和奇异空间相对扰动界

根据特征值和奇异值的相对分离情况,研究了矩阵特征空间和奇异空间的加法相对扰动界,得到一些新的扰动界.     

指数平滑结合条件Markov预测模型研究——基于新疆货运量预测

建立了一个时间序列预测模型。以三次指数平滑模型为基本预测模型,并基于马尔科夫链定义了误差修正模型--条件马尔科夫链。条件马尔科夫链的特点在于将传统马尔科夫链中的一步状态转移概率矩阵变成条件一步状态转移概率矩阵,即在条件马尔科夫链的状态转移概率矩阵中,每个元素的意义为:在已知t-1时刻的状态下,t时刻的状态转向t+1时刻状态的概率:即P{(E_t→E_(t+1))/E_(t-1)}。在文章中以新疆货运量为实验对象,通过对新疆货运量这一指标用三次指数平滑模型,用三次指数平滑模型结合马尔科夫链和三次指数平滑模型结合条件马尔科夫链三个模型进行预测,结果显示,经过条件马尔科夫链修正后的预测结果误差最小,证明文中模型可以有效提高预测精度。     

行(列)反对称矩阵的极分解及其扰动界

考虑行(列)反对称矩阵的极分解、广义逆和扰动界,给出了行(列)反对称矩阵的极分解和广义逆的计算公式,并给出了行(列)反对称矩阵极分解的系列扰动界.结果表明,所给方法既减少了计算量与存储量,又不会降低数值精度.     

Hermite矩阵特征空间的扰动界

矩阵的特征值在各个领域中都有着广泛的应用,其中Hermite矩阵的特征值问题占有重要地位,尤其是在概率论、控制优化、经济管理等诸多领域都有重要应用.在实际计算过程中往往存在误差,使特征值的计算产生扰动.本文借助谱分解定理和奇异值理论以及矩阵理论中的相关性质来研究Hermite矩阵的特征空间的扰动,利用Rayleigh商来界定Hermite矩阵特征空间的扰动界,给出了两个新的扰动界.     

关于反对称矩阵Cholesky-like分解的扰动界

设实反对称矩阵B的cholesk-like分解为B=RTJR,其中J=(O-I IO),R是上三角矩阵的重排.本文主要研究Cholesky-like分解的扰动分析,得到了一阶范数型扰动界和分量型扰动界.     

一类延拓矩阵的半正定因子的扰动上界

利用行延拓矩阵的奇异值分解和极分解,得到了行延拓矩阵半正定因子的扰动界,并进一步讨论了特殊情形下的扰动界,且所得结论对于列延拓矩阵也是成立的.     

一般矩阵特征值的相对扰动上界

利用矩阵的约当分解、Schur三角分解以及计算技巧,深入探讨了任意矩阵特征值的相对扰动问题.在矩阵特征值绝对扰动的基础上,得到了全新的任意矩阵特征值的相对扰动上界,所得结果推广了原有的结论.     

基于Bayesian-MCMC方法的水体污染识别反问题

针对具有不适定性的环境水力学反问题,基于贝叶斯推理和二维水质模型建立水体污染识别反演模型,运用马尔科夫链蒙特卡罗法抽样获得污染源源强、污染源位置和污染泄漏时间等模型参数的后验概率分布和统计结果.实例研究结果表明,基于马尔科夫链蒙特卡罗抽样算法的贝叶斯推理可以较好地用来实现水体污染识别,具有识别精度高,误差小的特点,其可靠性和稳定性高于混合遗传模式搜索优化算法.     

Markov－双链

就随机环境下的 Markov－链,介绍了 Markov－双链的构造,并证明了以已给 P(θ )为转移概率的 Markov－双链的存在性.当环境空间和状态空间均可数时,希望通过对 Markov－双链的研究,进而实现对随机环境下的 Markov－链的研究.     

P2P网络资源搜索中的用户行为模型

为了改善P2P网络的搜索性能,提出应用马尔可夫链预测用户兴趣集合的方法.根据用户的历史查询行为,对关键词进行聚类,得到相关的兴趣类;应用马尔可夫链,建立用户行为模型,描述用户兴趣的时序变化;根据极限概率,预测用户达到平稳状态时的兴趣集合;给出根据模型进行预测的方法.实验表明,模型的命中率受查询序列分布的影响较大,增加兴...     

关于二重马氏链的相关性质

马氏链是一类特殊的随机过程,在随机过程论中也起着重要的作用。最初由A.A.Markov所研究。二重马氏链概念也是一重马氏链概念的推广。在给出二重马氏链的两个等价定义的基础上,同时提供了一个获得二重马氏链的方法以便于检验随机过程是否为二重马氏链。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

一般集合上首达时序列的强马尔可夫性

本文论证了齐次马尔可夫链状态空间的一般子集的首达时为一个停时,利用强马尔可夫性得到相应的序列仍为一个齐次马尔可夫链,进而得到一般集上首达时序列的强马尔可夫性．     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。     

基于灰色马尔可夫链模型的房价预测

由于商品房价格变化呈现随机性波动特征,分析房价变化与未来房价走势对于决策部门而言十分重要。本文将灰色系统预测模型与马尔可夫链有机结合,构成灰色马尔可夫链预测模型,对未来某一时段的房价进行预测,结果表明,灰色马尔可夫链模型能有效提高预测的精度和效果,符合实际要求。     

Markov链模型在异常检测上的应用研究

Markov链模型作为一种统计分析方法是异常检测的重要分析手段，论文分别从单步、多步Markov链和基于Markov链的序列预测三个方面，研究了Markov链模型在异常检测检测上的应用。实验表明，该方法在不需要任何攻击领域知识的情况下，能很好检测出SendMail系统调用的异常行为。     

随机环境中马氏链的状态分类

利用Foguel的L1理论和马氏双链是时齐马氏链这一性质,讨论了随机环境中马氏链的状态分类,得到非本质或非正则本质态的等价命题以及弱常返和强常返态的充分条件.