基于电信大数据的5G网络海量用户复访行为预测模型

5G网络中的用户会产生大量的访问数据,导致用户复访行为难以精准预测,因此提出基于电信大数据的5G网络海量用户复访行为预测模型。从电信大数据中提取用户上网历史行为特征数据,构建数据集。引入多阶加权马尔可夫链模型,通过计算各阶自相关系数,得到模型权重值,计算模型的统计量。经过分析后得到各阶步长的马尔可夫氏链一步转移概率矩阵,从而实现对5G网络海量用户复访行为的精准预测。实验结果表明,该模型拥有最低的均值误差和标准差,以及最高的精度、查全率、查准率、F1指标,可证明该方法在预测用户复访行为方面有着非常明显的优势。

马尔科夫链在电力负荷组合预测中的应用

针对单一模型都有其特定的适用范围和条件,文中提出了一种基于马尔科夫链拟合的非负时变权重组合预测算法。该算法通过马尔科夫链对筛选出模型的状态概率分布变化规律进行拟合,将一步转移概率矩阵的估计问题转化为多元约束自回归模型,然后利用一步转移概率矩阵的估计和初始状态概率分布来确定组合权重。实例表明,该方法计算量小、精确度高、具有实用性。

基于小波多尺度分析的综合特征图像检索

以整数小波变换为基础,提出了一种综合颜色和空间特征的图像检索算法.该算法首先对图像做整数小波变换,提取其低频系数矩阵中环形区域的F-范数作为颜色特征;然后对低频分量分块并编码,利用马尔可夫链特性提取一步转移概率矩阵作为空间特征;再综合利用上述两个特征计算图像间的相似度,并进行彩色图像检索.通过对不同类型图像的检索对比实验结果表明,这种图像检索方法是行之有效的.

基于综合特征的彩色图像检索算法

针对单一特征不足以准确描述图像的问题,提出了一种综合颜色和形状特征的图像检索算法。该算法对HSV颜色空间进行特殊处理并量化编码,提取各像素点及其多邻域颜色矩的归一化直方图作为颜色特征;对图像进行整数小波变换后的低频分量分块并编码,提取一步转移概率矩阵作为形状特征;综合利用颜色、形状两个特征计算图像间的相似度,并进行彩色图像检索。仿真实验结果表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,且具有较好的查准率和查全率。

基于Markov链的最优化模型在长江水质预测中的应用

马尔科夫预测方法在预测领域有着广泛的应用。该方法应用的一个重要问题就是如何估计一步状态转移概率矩阵。在历史资料没有给出系统处于个状态次数的情况下,给出一步状态转移概率矩阵估计的最优化方法。最后讨论了基于Markov链的最优化预测模型在长江水质预测中的应用,表明该模型有效、可行。

弱齐次马氏链的两个强大数定律

§1 几个引理 引理1 设{xn}n≥1为一非负实数序列,若liminf xn=a,limsup xn=b,则对{xn}n≥1的任一子列{xnk}k≥1

基于马尔科夫链预测人民币汇率走势研究

一、引言随着各国经贸关系的不断扩大和加深,汇率在国际市场上也变得越来越重要,其变动受到了各国的重视。以往理论上汇率变动的经济解释主要有如下三点:一是资讯解读的异质性(Peters,1994),即大量投资人是以经济的基本面情况估计均衡汇率从而进行交易的,但是由于投资人对市场信息的理解是有差异的,因此即使交易者一致认为汇率已严重偏离均衡值,他们也不可能同时买卖外汇和制定相同的策略;二是运输成本和交易成本造成套利空间的存在(Dumas,1992;Michael等,1997)。

Markov链在生物学上的应用

定义1 {X（n）,n=0·1·2·…}是离散状态（状态空间为I）,参数为非负整数的随机过程,且X（n）满足条件 P{X（n+1）=j/X（0）=i。·X（1）=i1·…· X（n-1）=in-1·X（n）=i} =P{X（n+1）=j/X（n）=i} 即在参数n=0·1·2·…·n,状态取X（0）=i。,X（1）=i1,…·X（n-1）=i（n-1）,X（n）=i的条件下,X（n+1）=j的条件概率与X（0）,X（1）,X（2）…,X（n-1）无关,而仅与X（n）所取的值有关,这类随机过程称为Markov链。 由定义1知为了描述Markov链的（n+l）维概率分布,最重要的是条件概率P{X（k+1）=j/X（k）=i}。我们把这一条件概率称为在时间K时的一步转移概率。

马尔可夫性在基金投资中的应用

以统计学为基础,应用马尔可夫链对基金市价折扣率进行分析和预测,为基金投资者提供一个决策的依据。

马尔柯夫方法在教学评价与教育预测中的应用

马尔柯夫方法是以俄国数学家——马尔柯夫(A·A·Markov)的名字命名的数学方法。这种方法目前在国内外,在社会科学和自然科学领域都有广泛的应用,如用于近代物理、生物、公用事业、信息处理、自动控制以及数学计算等方面。还可用于水文、气象、地震以及经济预测与决策。本文将论述马尔柯夫方法的基本原理及在教育中的应用。马尔柯夫链的基本原理一、马尔柯夫方法的研究对象马尔柯夫方法是以一个动态系统的“状态”和“状态转移”的情况为研究对象的。

决策方法讲话(五)

第九题马尔可夫预测和决策方法(续前) 二、马尔可夫过程在预测中的应用马尔可夫方法的主要研究对象是一个运行系统的状态和状态的转移。应用马尔可夫方法计算分析的目的,就是根据某些变量的现在状态及其变动趋向,来预测它在未来某一特定期间可能出现的状态,从而提供某种决策的依据。下面我们用举例说明的办法,首先介绍马尔可夫过程在预测中的应用。例如,已知某企业的经营活动处在开始时处于状态S_i。

马氏链在企业管理中的应用

在企业的经营管理中,常有这样一类情况,它的变化过程仅与近期状态有关,而与过去状态无关,这种性质称为“无后效性”。具有这种特性的随机过程称为“马尔柯夫过程”。很多经济现象都可以用“马氏过程”来刻划或近似描述。 马氏链是“马氏过程”中的一种特殊情况:时间与状态都是离散的。

Markov Chain评估教学效果

本文以高考成绩及大学两学期的高等数学成绩为依据，采用ＭａｒｋｏｖＣｈａｉｎ定量分析方法，对不同教师的数学效果对比评估。较之其它的教学评沽方法更合理。

马尔科夫预测方法的教学探讨

马尔科夫预测法由于所涉及的新概念多,数学表示式复杂,按照一般从原理介绍到应用举例的程序教学,学生不容易接受。本文试将马尔科夫链的基本原理与实际应用两者结合起来,在应用中介绍概念,将基本概念化整为零,使抽象枯燥的理论与具体生动的实例有机地结合起来。根据企业经营活动的需要,介绍该方法在企业进行销售状态预测、市场占有率预测、期望利润预测中的应用,以便学生学习理解。