基于广义隐马尔可夫模型的网页信息抽取方法

针对网页所特有的基于版面结构的特点,利用基于视觉的网页分割算法VIPS对网页分块,得到一种新的状态转移序列,取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型（GHMM）的状态转移和输出观测值假设条件,提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。     

基于Markov链使用模型的加速统计测试方法

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理,采用交叉熵方法生成最优(或近优)测试剖面,同时给出了一种新的统计测试充分性判定准则,最后根据生成的最优测试剖面自动生成统计测试数据集.仿真实验结果表明,相对于传统的统计测试方法,使用交叉熵方法的加速统计测试方法能有效地降低软件总费用,显著增加关键操作的测试次数,是一种快速有效的加速统计测试方法.     

基于Web日志挖掘的Markov预测模型及算法研究

通过Web日志挖掘技术可分析用户访问模式,从而为客户提供智能化、个性化服务。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。就此对Markov预测模型进行深入研究,描述了其实现算法,并结合实例对混合Markov预测模型方法进行了验证。     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于马尔科夫链模型的网络链路权重评价方法

网络链路权重评价是网络运维管理的重要依据?将马尔科夫链的转移概率引入到网络链路权重评价中,从概率的角度来衡量相邻节点的可达性;充分考虑链路?节点的故障性,将网络中任意两相邻节点的通信过程近似为马尔科夫过程,基于此,提出了基于马尔科夫链模型的网络链路权重评价方法?根据网络的关联矩阵得到1步概率转移矩阵,进而求得网络的多步马尔科夫转移概率矩阵,直至所有节点概率可达,通过累加相邻节点间概率来衡量链路可达性?通过算例分别分析了串联网络?桥式网络和复杂网络的链路权重评价问题?分析表明,该方法不仅能准确评价网络链路的权重,而且还解决了删边或缩边方法难以分析串联网络的问题,具有计算量小?易编程实现的特点?     

基于Markov链模型的被动测试错误检测算法

通过分析如何将概率统计的思想应用到基于有限状态机的协议被动测试上,在Markov链模型基础上,提出了一种新的被动测试错误检测算法,并给出了与已有算法的比较.从比较结果可知,新算法只需要知道有限状态机中转换的概率分布和最终观察到的输入/输出对的概率分布,就可以解决已有算法存在的问题,因此适用范围更广,同时还探讨了单个错误定位问题.     

基于Markov链的云平台故障模型与分析

云平台中节点数量增加到一定规模后,系统故障率上升,性能不再相应提高。以Hadoop平台为研究对象,建立了基于节点状态Markov链的云平台故障模型,利用该模型对故障导致的云平台扩展瓶颈进行分析,确定了在系统容错负载率限制下的系统最大节点数变化率,在理论上证明了该模型的正确性。     

机械原因飞行事故预测模型及其应用

灰色预测与马尔柯夫预测的优点可以相互补充,将两者结合起来对随机性和波动性较大的数据序列进行预测,精度更高.采用灰色马尔柯夫两种预测的组合模型,对空军机械原因严重飞行事故的时间序列进行了分析,并预测了2000年、2001年的机械原因严重飞行事故的可能情况,收到了良好的预测效果.     

Fuzzy clustering method for Web user based on pages classification

A new method for Web users fuzzy clustering based on analysis of user interest characteristic is proposed in this article. The method first defines page fuzzy categories according to the links on the index page of the site. then computes fuzzy degree of cross page through aggregating on data of Web tog. After that, by using fuzzy comprehensive evaluation method, the method constructs user interest vectors according to page viewing times and frequency of hits. and derives the fuzzy similarity matrix from the interest vectors for the Web users. Finally. it gets the clustering result through the fuzzy clustering method. The experimental results show the effectiveness of the method.     

基于非结构化数据挖掘结构模型的Web文本聚类算法

在非结构化数据挖掘结构模型——发现特征子空间模型(DFSSM)——的运行机制下,提出了一种新的Web文本聚类算法——基于DFSSM的Web文本聚类(WTCDFSSM)算法.该算法具有自稳定性,无须外界给出评价函数;能够识别概念空间中最有意义的特征,抗噪声能力强.结合现代远程教育网应用背景实现了WTCDFSSM聚类算法.结果表明:该算法可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘;采用网格结构模型,帮助人们进行文本信息导航;从海量文本信息源中快速有效地获取重要的知识.     

基于一种新型马尔科夫模型的预测蛋白质亚细胞位点的方法

亚细胞位点是蛋白质很重要的功能特征.找到一种有效的、可信度高的预测蛋白质位点的方法是很必要的.提出了一种基于马尔科夫模型的改进预测方法.首先,对于一条给定的蛋白质序列,通过计算在马尔科夫模型下20个氨基酸残基的状态转移矩阵,建立一个420维的特征向量,然后利用支持向量机进行训练和预测,最后夹克刀检验证实了该方法的预测精度与以前的马尔科夫模型相比得到了一定的提高.     

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。     

沪深300指数马氏性检验及预测

利用粗粒化方法构造沪深300指数和交易量的联合变动状态序列,通过计算χ2统计量检验了序列的马氏性,选取标准化的各阶收益率自相关系数作为权重,建立加权马氏链预测模型并对股指走势进行预测。结果发现成交量在预测中具有重要作用,日内走势预测效果较好,日间走势预测效果较差,说明股指日间走势受市场消息面影响较大。     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

基于二阶马尔科夫模型预测可趋近性miRNA靶基因

miRNA是一类重要的基因表达调节因子.准确预测miRNA的靶基因对研究miRNA的功能和作用机制至关重要.文中提出一种考虑靶位点可趋近性(accessibility)的miRNA靶基因预测算法.算法首先选择满足种子互补条件的“部分可趋近性”位点；然后用二阶马尔科夫模型计算与miRNA种子区互补的特定核苷酸片段(寡聚体)在3′UTR任意位置上出现的概率并统计“部分可趋近位点”上寡聚体出现的次数；采用过表达水平值评估一个或多个互补位点上至少出现一次寡聚体的概率；最后根据过表达水平值排序miRNA-3UTR对,并取排序的前N个miRNA-3′UTR对作为预测结果.在果蝇和人类数据集上测试的实验结果表明此算法具有较高的灵敏性和精确性.     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

基于马尔柯夫过程的可修系统可靠性建模

针对可修系统的可靠性、维修性计算问题,运用马尔柯夫过程数学模型对可修系统可用度和可靠度进行数学建模.首先推导出单部件可修系统可用度与可靠度的表达式,在此基础上,推导出工程上常用的两并一备复杂可修系统可用度与可靠度的表达式,总结出求解复杂可修系统稳态可用度的简单方法.两种方法结论一致,为进一步研究可修系统可靠性、维修性提供重要理论依据.     

一种基于信息增益的产品评价系统模型

如何改善传统电子商务系统在扩展性、智能性、交互性方面的不足,已经成为当今电子商务领域内的热点研究课题.该文综合运用了分布对象计算、数据挖掘及数理统计等理论,提出了一种产品评价系统模型.该系统能够在对同类商品进行比较、评分的基础上为用户最终决策提供支持.     

基于隐Markov模型汉语词性自动标注的若干分析与改进

提出一种算法,用来高效地完成训练语料的大量工作,并解决好训练语料的扩充问题,然后基于Viterbi算法提出一些改进之策,结合训练语料工作完成后的结果在二元模型基础上,采用不同规模的训练语料对同一规模的测试语料进行测试、比较与分析,并提出模型的改进方向。     

煤矿井下基于虚拟Radio-map及Markov链的定位算法

为了在煤矿井下获得更高的定位精度,提出一种基于虚拟Radio-map及Markov链的定位方法。结合井下复杂环境,采用信道衰减模型及线性插值法实现了动态衰减因子,建立虚拟Radio-map的同时降低了工作量;考虑到每处采样点接收信号强度分布先验假设和统计特征,在线阶段采用基于贝叶斯准则框架的加权核函数算法,为每个样本数据赋予一个以自身为"核心"的函数,构建的概率密度分布避免了确定模型带来的误差,从而提高了定位精度;为进一步优化定位结果,考虑先验概率对贝叶斯后验概率的影响,提出了基于高斯模型的Markov链定位算法,抑制了运动目标位置的大幅度跳变,使目标定位更加精确。实验表明,所提算法可以通过较低数据采集工作量达到一定的定位精度,满足井下目标定位需求。