有限状态下随机环境马氏链的性质

假设X是随机环境的马氏链,首先介绍了Hopf马氏链及绕积马氏链,利用绕积马氏链,定义了随机环境马氏链的几个特征数及随机环境马氏链的几种不同的基本状态,由此比较随机环境的马氏链与经典的时齐马氏链状态性质的异同,得到了随机环境马氏链中强常返与弱常返的关系,并进一步讨论了X为有限集时,随机环境的马氏链的一些性质,得到有限状态一定存在本质与弱常返状态,不一定存在强常返状态,及在可达关系下本质状态、强常返状态的关系.     

随机环境马氏链的状态分类

假设■是随机环境的马氏链,本文首先介绍了Hopf马氏链及绕积马氏链,并介绍了随机环境马氏链中的几个特征数,由此定义了随机环境马氏链强常返,弱常返等壮态,在随机环境的马氏链下,讨论它们的关系,并进一步讨论了随机环境马氏链φ—不可约性及ψ—不可约性的性质,并在ψ—不可约下讨论了状态的性质,并获得在一定的条件下,必存在弱常返状态的结果。     

ψ-不可约马氏链中不变测度的存在性

讨论了马氏环境中具有-不可约链的常返性与预解链常返的关系,以及常返链中不变测度的存在性,并构造出了不变测度.     

绕积马氏链的状态判定和不变测定

引入了常返集和瞬时集的概念,讨论了绕积马氏链的状态判定,并说明了不变测定的存在性及其一些性质.     

随机环境中马氏链的常返性与弱不变测度

讨论了随机环境马氏链中具有强π-不可约性链的常返性的判定,从而得到了强π-不可约链常返性判定的充分必要条件,同时首次提出了关于单链X→的弱不变测度的概念.     

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.     

随机环境中马氏链的弱常返性

在随机环境马氏链的研究领域中,引入了弱常返性的概念,给出了弱常返性的判别准则,同时首次提出了弱一致瞬时性的概念。     

随机环境中马氏链的常返与强常返

引出了随机环境中马氏链的π-不可约和强π-不可约性的定义,在强π-不可约条件下,得到了随机环境中马氏链强常返的充要条件以及随机环境中马氏链常返的判定准则,最后在π-不可约条件下讨论了常返与强常返的关系.     

关于随机系统常返性的一个注记

本文证明了在半紧的不变控制集上,随机系统常返性概念与一般状态马氏链的ψ-常返性在除去一个零测度集之外是等价的。     

随机环境中单边生灭链的常返性与非常返性

主要研究了在随机环境是独立且不同分布的情况下,讨论了该类随机环境中的单边生灭链的常返性与非常返性．在适当的条件下,给出了常返与非常返的差别准则,并将这一结果推广到一些特殊情形．     

三重循环马氏链的强大数定律

为了研究一类非齐次马氏链——循环马氏链的强极限定理,首先考虑到非齐次马氏链的转移矩阵是循环的情形经常出现,从而引进了三重循环马氏链的概念,然后利用非齐次马氏链函数的极限性质推导出三重循环马氏链关于状态出现频率的极限性质,并利用该性质得到了三重循环马氏链关于状态出现频率的强大数定律,为循环马氏链的应用提供了理论依据.     

关于二重有限非齐次马氏链的强大数定律

利用鞅方法给出二重有限非齐次马氏链关于状态序偶出现频率的强大数定理. 首先, 利用鞅差序列收敛定理得到二重有限非齐次马氏链的k元函数一类平均值的一个强极限定理; 随后, 将已有文献中的二元状态序偶出现频率的平均值的极限定理加以推广, 得到任意k元的情况; 最后作为推论, 得到一系列相关状态序偶出现频率的一类强极限定理.     

双变量序列上成功游程的联合分布(英文)

在一个双变量{0,1}取值的序列中在二个分量上作者考虑长度分别为k1,k2的成功游程的分布问题。对于非重叠计数的游程向量，获得其联合分布。该文的方法可推广到马氏相关序列和多变量序列也能用于其它的游程。     

关于可列m重非齐次马氏链的一个强大数定律

研究了可列m重非齐次马氏链的一个强大数定律.首先给出可列m重非齐次马氏链的定义,然后利用鞅的极限定理再结合遍历系数得到可列m重非齐次马氏链的一个强大数定律,所得结论能够推广已有文献中的一些结果,并对进一步研究多重马氏链提供了理论基础,且能为实际问题如语声、电视信号等多重马尔可夫信源的研究提供理论依据.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

Markov skeleton processes

A new class of stochastic processes--Markov skeleton processes is introduced, which have the Markov property on a series of random times. Markov skeleton processes include minimal Q processes, Doob processes, Q processes of order one, semi-Markov processes , piecewise determinate Markov processes , and the input processes, the queuing lengths and the waiting times of the system GI/G/1, as particular cases. First, the forward and backward equations are given, which are the criteria for the regularity and the formulas to compute the multidimensional distributions of the Markov skeleton processes. Then, three important cases of the Markov skeleton processes are studied: the (H, G, Π)-processes, piecewise determinate Markov skeleton processes and Markov skeleton processes of Markov type. Finally, a vast vistas for the application of the Markov skeleton processes is presented.     

自动权值的马尔科夫彩色图像纹理分割方法

为准确获得目标图像,提出一种自动权值的马尔科夫彩色图像纹理分割方法。在HSV颜色空间中以颜色直方图作为颜色特征．设计Gabor滤波器提取图像纹理特征,对马尔科夫算法进行研究．设计自动权值算法。实验证明．该方法能有效降低算法复杂度,减少了分割过程中人为设置参数的主观性．较好地屏蔽图像噪声影响,可以很好地提取出目标图像。     

关于马氏过程散度的极限性质

在有限状态空间中取值的随机变量序列,假设它在概率测度P下是一非齐次马氏链,在概率测度Q下是一齐次马氏链,利用非齐次马氏信源的渐近均分割性,齐次马氏信源的渐近均分割性及随机变量序列的一致可积性,给出了马氏过程散度的极限存在条件,并得到了马氏过程散度的极限的值,在此基础上将马氏过程散度的极限存在条件推广到了高阶马氏过程的情形,同时也给出了高阶马氏过程散度的极限的值.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

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。