可列非齐次隐Markov模型的强大数定律

隐马尔科夫模型被广泛的应用于弱相依随机变量的建模,是研究神经生理学、发音过程和生物遗传等问题的有力工具.研究了可列非齐次隐Markov模型的若干性质,得到了这类模型的强大数定律,推广了有限非齐次马氏链的一类强大数定律.

隐非齐次马尔可夫模型的贝叶斯推断

当前,在教育学、心理学、经济学、社会学等许多领域经常会遇到异质纵向数据.隐马尔可夫模型因其对异质纵向数据良好的建模和分析效果而受到广泛关注.在传统隐马尔可夫模型的基础上,引入非齐次马尔可夫状态转移方式,并与多元正态分布相结合,提出了隐非齐次马尔可夫多元正态分布模型.首先,介绍隐非齐次马尔可夫多元正态分布模型的数学定义;其次,详细介绍模型参数后验分布的推导过程及MCMC算法设计;最后,设定了四个模拟实验进行比较分析,结果表明贝叶斯推断方法是可靠的.研究发现隐非齐次马尔可夫模型可以覆盖齐次隐马尔可夫模型,应用更广泛.

一般拓扑结构的非齐次隐含马尔科夫模型及其在中、英文语种辨识中的应用

为了充分利用语音信号中的段长信息,该文提出了一种具有一般拓扑结构的非齐次隐含Markov模型(Hidden Markov Model,HMM),并将其应用于中、英文语种辨识(Language IDentification,LID)系统。非齐次HMM既很好地描述了语音信号的发生过程,又准确地利用了状态的段长信息和语言中的上下文连接结构信息,对于中、英文语种辨识系统,非齐次的HMM系统辨识性能好于齐次的HMM模型。而在非齐次的HMM中,同段长为均匀分布相比,段长分布为正态分布时系统的辨识性能更好,表明段长确实是一种重要的语种区分信息之一,且正态分布较均匀分布更接近于真实的段长分布。

隐非齐次马尔可夫模型的强大数定律

本文研究了一类隐非齐次马尔可夫模型的强极限定理.利用鞅差序列收敛定理,获得了观测链{Y_n,n≥0}的强大数定律,并给出了观测链的Shannon-McMillan定理.

隐非齐次马尔可夫模型的强大数定律

在状态集都有限的情况下,给出了隐马尔可夫模型的一些性质定理.利用马氏链的强极限定理,得到了隐非齐次马尔可夫模型的强大数定律.

基于非齐次隐马尔可夫模型的特定人元音的识别方法

针对特定人汉语元音的语音识别,提出一种基于非齐次隐马尔可夫模型的识别方法.该方法首先提取声道频率响应作为特征参数,然后建立非齐次隐马尔可夫模型来更为精确地刻画真实的语音现象,接着进行语音识别实验,并与齐次隐马尔可夫模型进行比较.实验结果表明该方法可以使特定人的元音的识别率达到98.73%,明显改变了识别系统的性能.该方法具有很好的理论研究前景和实际应用价值.

基于多观测隐非齐次HMM的光伏功率概率预测

针对高渗透率光伏能源并网带来的不确定性对电力系统的影响,提出一种基于多观测隐非齐次马尔可夫模型(HMM)的短期光伏功率概率预测方法。首先,给出多观测隐非齐次HMM基本问题的求解方法,包括模型参数估计的学习问题与预测结果输出的解码问题。通过确定光伏出力与气象参数范围并进行离散化,得到建模所需的状态空间与观测空间。最后,据此对训练数据进行编码代入HMM学习问题求解得到最终的概率预测模型。为了检验不同非齐次性质及观测量对模型预测性能的影响,建立传统HMM、单观测/双观测二阶HMM及支持向量机模型进行模拟预测分析。结果验证了所提模型的可行性,同时考虑先前状态与观测对当前的影响可以提高模型确定性预测与区间预测性能。

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.

可列隐Markov模型的熵率存在定理

为了研究可列隐Markov模型的熵率存在性,首先引入隐非齐次Markov模型的定义,并进一步证明了它的两个基本性质,然后,利用非齐次Markov模型的一个Cesaro平均收敛定理,运用研究非齐次Markov链熵率存在性的方法,给出了隐非齐次Markov模型的一类熵率存在定理,为隐Markov模型的应用提供了理论依据.

非齐次隐马尔可夫模型及其参数估计

隐马尔可夫模型是现今被广泛使用的统计模型之一。本文在现有的对隐马尔可夫模型研究的基础上,通过在转移模型的马尔可夫链中增加协变量,构建了非齐次隐马尔可夫模型。在对模型进行参数估计时,首先用k-means聚类分析确定了观测数据的隐状态,然后用极大似然估计对模型的转移参数进行估计。在数值模拟时,以非齐次隐马尔可夫多元正态分布和非齐次隐马尔可夫多元线性回归为例,利用文章所介绍的方法对模型的参数进行估计,验证了估计的可靠性。

非齐次隐马尔可夫降尺度方法对江淮流域夏季逐日降水的模拟及其评估

引入非齐次隐马尔可夫模型(Nonhomogeneous hidden Markov model,NHMM)统计降尺度方法,利用1961—2002年江淮流域夏季逐日降水资料、欧洲中期天气预报中心(ECMWF)的ERA-40再分析资料建立模型,检验其对东部季风区(以江淮流域为代表)夏季日降水的模拟能力,并对比BCC-CSM1.1(m)模式NHMM降尺度前后的模拟效果。结果表明,NHMM降尺度方法通过建立降水概率分布态间转移参数与大尺度环流变量的联系,对江淮流域逐日降水量具有较好的降尺度效果。模拟的各站日降水量概率分布函数(PDF)曲线与观测非常接近,布赖尔评分(Brier Score,S_B)均小于0.11%,显著性评分(Significance Score,Ss)均大于0.84;夏季总降水量、降水日数、中雨日数、降水强度和95%分位降水量指数的多年平均场偏差百分率绝对值低于10%,前3个指数的空间相关系数高于0.9;该方法对各降水指数的年际变率也有一定的模拟能力,模拟得到的各指数的区域平均年际序列与观测序列的相关系数为0.62—0.87。对BCC-CSM1.1(m)模式的模拟结果进行降尺度后,SB较降尺度前平均减小0.57%,Ss平均增大0.23,皆表明降尺度后的概率分布函数曲线更接近于观测;各降水指数在多数台站的偏差百分率绝对值由大于40%降至10%以内,空间相关系数普遍提高至0.8以上。NHMM降尺度方法能够有效提高BCC-CSM1.1(m)模式对江淮流域夏季日降水的模拟能力,相对气候模式具有显著的"增值",未来可进一步利用该方法进行气候变暖背景下的日降水变化预估。

Markov跳变系统的非同步事件触发耗散容错控制

本文主要研究一类具有执行器故障的Markov跳变系统的非同步事件触发耗散容错控制问题.通过引入非同步事件触发器来降低传感器的采样数据传输频率,从而降低通信消耗.采用两个独立的隐Markov模型分别描述触发器、控制器与原系统之间的非同步现象.在此框架下,基于Lyapunov稳定性和耗散理论,得到了闭环控制系统在执行器存在故障的情况下随机稳定并严格耗散的充分条件.并借助矩阵不等式变换技术给出了触发器和控制器矩阵参数的求解方法,实现了触发器和控制器的协同设计.最后,通过仿真研究验证了所提出的设计方法的有效性.

一类隐马尔可夫模型的若干极限性质

假定隐藏的马尔可夫链为非齐次,研究隐非齐次马尔可夫模型的一些强极限定理.首先在引理中得出了隐非齐次马尔可夫模型的一些性质,从而导出了隐非齐次马尔可夫模型的三元函数一类平均值的强极限定理.作为定理的推论,得到了隐非齐次马尔可夫模型状态出现频率的一类强极限定理.隐马尔可夫模型可应用于弱相依随机变量的建模上,也可用作研究发音过程、神经生理学与生物遗传等方面的工具.

基于分段常数强度Markov模型的阿尔茨海默病进程研究

目的将分段常数强度Markov模型应用于轻度认知损害(mild cognitive impairment,MCI)向阿尔茨海默病(Alzheimer's disease,AD)转归过程中,深入研究影响转归过程的因素,为制定不同发展阶段的预防措施提供理论依据,为其他多状态慢性病不同发展阶段影响因素的探讨提供方法学借鉴。方法应用太原市600名社区老年人的4次随访资料,以MCI为状态1,中重度认知损害为状态2,AD为状态3,拟合分段常数强度Markov模型,分析MCI向AD转归不同发展阶段的影响因素,并根据模型计算3年转移概率矩阵。结果经假设检验,数据满足Markov性(P=0.89),不满足时齐性(P<0.001),应用分段常数强度Markov模型拟合,经多因素筛选,女性、年龄、吸烟、高血压和糖尿病是MCI向AD转归的危险因素,高文化程度和从事脑力劳动是MCI向AD转归的保护因素。由中重度认知损害向AD的转移概率随着随访时间的增加而增加。结论在数据满足Markov性,不满足时齐性时,分段常数强度Markov模型是对疾病转归过程的相关影响因素及其变化规律的有效分析方法。

隐马尔可夫模型的拓朴应用

以非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Mode1)出发,用自适应函数链神经网络与非齐次隐马尔可夫模型相结合,训练出适用环境变化的HMM模型,并应用该混合模型进行语音识别.实验结果表明,该模型适合于对噪声背景下的语音进行识别,该模型具有更好的鲁棒性,在信噪比较低的情况下,可以提高识别率.

基于改进的隐马尔可夫和神经网络混合模型的语音识别

研究了一种非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Model),然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合,训练出抗噪声的HMM模型,并应用该混合模型进行语音识别。实验结果表明,该模型适合于对噪声背景下的语音进行识别。该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(5dB-10dB),识别率可以提高5％左右。

非齐次隐马尔可夫模型随机变换的若干强极限定理

利用鞅方法讨论了非齐次隐马尔可夫模型变换的强极限定理,作为特殊情形,将随机选择的概念拓展到非齐次隐马尔可夫模型中,得到了关于有限非齐次隐马尔可夫模型随机选择与随机公平比的若干极限定理.

有限状态隐Markov模型的熵率存在定理

引入了隐Markov模型的定义和绝对平均收敛的概念,研究了信息论中的编码问题,得到了有限状态下隐非齐次Markov模型的熵率存在性定理.

新常态下的均衡汇率和央行干预--兼论汇率失衡的动态演变机制

伴随着人民币汇率形成机制改革的逐渐深化和国际国内经济环境的复杂变化,基于不变系数的行为均衡汇率模型的均衡汇率研究已然无法反映经济结构的动态变化。鉴于传统回归均值系数的不足,通过分别建立半参数变系数形式的行为均衡汇率模型和半参数变系数部分线性形式的误差修正模型,依次深入分析了各基本经济因素的时变影响和人民币汇率自我调节能力的动态变化。并进一步通过平滑转移自回归模型实证检验了央行干预与人民币汇率失调的关系,并创新地采用非齐次隐马尔可夫自回归模型深入研究了人民币汇率失调的动态演化机制。研究结果表明:人民币汇率不存在较大程度的失调,变系数模型能更好地反映各经济变量因素的动态影响;人民币汇率的自我调节修正能力表现出周期性振荡起伏的趋势,审慎择时的汇率机制改革能够有效地强化人民币汇率的自我调节能力;在绝大部分时间央行干预推动了人民币汇率均衡,促进人民币汇率逐步回归经济基本面;人民币汇率失调存在显著的不对称性,人民币汇率均衡态的自维持概率呈现出不断增加的趋势。

基于MHPSO-NHMM-FIEGARCH-GED模型的Brent原油价格波动研究

考虑到国际原油价格波动结构易受经济贸易、军事政治事件等外部因素的影响而发生异常变化,本文首先使用基于变异混合粒子群算法优化的非齐次隐马尔科夫模型(NHMM)对Brent原油收益的多波动状态进行智能识别。其次,基于识别出的波动状态,构建了广义误差分布下结合NHMM的分整指数GARCH模型(NHMM-FIEGARCH-GED)并以其对原油波动率进行预测,同时利用模型信度设定检验法对预测效果进行评价。研究结果表明,NHMM-FIEGARCH-GED模型具有更加准确的样本外预测能力。正常波动状态下的原油市场表现出长记忆性特征且对外部信息冲击非常敏感,具有显著的杠杆效应;但异常波动状态下的原油市场呈现出反持续性且对外部冲击的反应较弱,同时杠杆效应也不显著。而原油波动率在不同波动状态下具有相反的长程相关性表明该序列可能存在多重分形结构,因此基于多重分形降趋移动平均法本文进行了进一步的探讨。结果发现,主要影响因素是序列波动的厚尾概率分布,即极端重大的外部事件冲击是造成国际原油波动多重分形特征的主要推手。