用多观察序列训练隐马耳可夫模型的一种通用算法

隐马尔可夫模型（HMM：Hidden Markov Model）是一种具有学习能力的统计模型。HMM在许多领域特别是在语音识别领域得到成功的应用。经典HMM的Baum-Welch算法假设不同的观察序列之间是统计独立的。这与实际情况不符。本文在不附加任何假设的前提下，提出了一种用多观察序列训练HMM的算法，从理论上解决了上述问题，传统的Baum-Welch算法只不过是新算法在观察序列独立假设下的特例。     

隐Markov模型在剪接位点识别中的应用

剪接位点的识别是基因识别中的一个重要环节。由于现有的基因识别算法主要关注编码区的整体特性 ,而并不着重考虑个别位点的信息 ,因此难以准确地识别出剪接位点。考虑到剪接位点附近的保守序列的相邻碱基之间应该存在某种相关性 ,利用一阶 Markov链建立了表述这种相关性的模型 ,在此基础之上 ,设计了专门用于剪接拉点识别的隐马氏模型 (HMM)方法。实验结果表明 ,用 HMM描述剪接位点附近序列符合实际情况 ,并且利用这一方法进行剪接位点的识别可以很好地提取位点附近保守序列在边缘分布与条件分布 (转移概率 )上的统计特征。使用该方法对真实剪接位点和虚假剪接位点进行识别 ,识别率均可达 90 %以上。     

基于Markov链的随机需求预测模型

随机需求预测是供应计划工作的重点和难点，应用马尔柯夫链分析法和蒙特卡洛仿真技术，可以建立一个有效实用的随机需求预测模型。     

不对称倍压整流电路的S域分析

利用倍压整流电路的S域模型设计一种算法,详细推导不对称倍压整流电路的充电过程,导出定量计算电容器电压的数学表达式,利用所得表达式对对称,非对称倍压整流电路进行讨论,绘出了电容器电压充电曲线,并证明达到倍压目的所经历的充电周期数。     

跳跃项目运动员应注重耐力素质训练

本文通过文献资料进行对比分析,认为耐力性训练对跳跃项目成绩的提高有许多益处,我国跳跃运动员常常忽视这一点,在耐力性手段的安排上同国外运动员存在较大的差距,有必要在训练中加强。     

一类“停走”生成器输出序列的若干概率性质

“停走”生成器是由两个线性反馈移位寄存器 (LFSR)组成的一个钟控序列生成器 ,对此概率模型 ,在LFSR输出序列较一般的假设条件下 ,讨论了“停走”生成器输出序列的若干概率性质 ,推广了已有文献中的结果     

非时齐跳跃Markov过程序列到扩散过程的弱收敛

本文给出了非时齐跳跃Markov过程序列弱收敛于非时齐扩散过程的一般性定理。利用这一定理,证明了非负非时齐跳跃Markov过程序列弱收敛于Brownian Excursion和经验分布过程弱收敛于Bown桥。     

可数Markov过程函数的一个强大数律

对于状态空间为Ｓ＝｛ｋ；ｋ≥０，ｋ为整数）的非齐次Ｍａｒｋｏｖ链Ｘ＝｛ｘｔ；ｔ∈［０．＋∝）｝，给出其函数ｆ（ｘｔ，ｔ）的强大数律成立的条件．所得结论推广了Ｃｈｕｎｇ（１９７４年）文中关于齐次转移概率的经典结论．