问题标签 [markov]

所以我和我的同学们正在尝试建立一个马尔可夫模型来找出文本文件中字母转换的概率。在文本文件中，我们有一组单词“Steam, Teams, Meets, Teems, Eat, Ate, State, Tease, Test, Mast, Mates”。在代码中，我们在每个单词的第一个字母的开头和最后一个字母之后添加了空格。所以我们遇到的问题是制作一个函数，将字母转换放入单独的字典中。例如，所有 e 转换（例如：“_e”、“ea”...等，_ 是一个空格）都会进入字典，然后是 t、s、a 和 m。

这是我们到目前为止的代码：

马尔可夫链如何工作？我已经阅读了马尔可夫链的维基百科，但我没有得到的是无记忆。无记忆指出：

下一个状态仅取决于当前状态，而不取决于之前的事件顺序。

如果马尔可夫链具有这种性质，那么在马尔可夫模型中链有什么用呢？
解释这个属性。

mod.mswm <- msmFit(lm(y~x),k=2,p=1,sw=rep(T,4),control=list(maxiter=700,parallel=F)) 总结(mod.mswm)

我在这个 r 包中的结果不一致..

首次运行 -> 制度 1 =“估计 = 0.05” 第二次运行 -> 制度 1 =“估计 = 0.90”

请帮我..

谁能建议我一个好的 C++ 库，用于基于 GMM 的 MRF 学习和使用信念传播进行推理？

如果这不是提出这个问题的正确堆栈交换站点，请建议我正确的一个..

我想知道是否有一种算法可以模拟离散马尔可夫链，该链具有特定数量的状态，知道转移矩阵的方式。

例如，如何在 R 中模拟长度为 n 的马尔可夫链，其中状态“0”的 p 次出现 (p < n) 用于由以下定义的转移矩阵：

我的问题与计算通过 Stata 中的 Weibull 回归估计的系数得出的转换概率的标准差 (SD) 有关。

转换概率被用于模拟白血病患者在 40 个 90 天（约 10 年）周期内的疾病进展。我需要概率的 SD（随着马尔可夫模型的运行而变化）来创建 beta 分布，其参数可以使用相应的马尔可夫循环概率及其 SD 来近似。然后使用这些分布进行概率敏感性分析，即用它们代替简单概率（每个周期一个），从中随机抽取可以评估模型成本效益结果的稳健性。

无论如何，使用事件生存时间数据，我使用回归分析来估计可以插入方程以生成转移概率的系数。例如...

然后，我们使用方程 () 创建概率，该方程使用 p 和 _cons 以及 t 表示时间（即马尔可夫循环数）和 u 表示周期长度（通常是一年，因为我与白血病患者一起工作，所以我的时间是 90 天他们很可能发生事件，即复发或死亡）。

所以其中 lambda = p, gamma = (exp(_cons))

谈到可变性，我首先计算系数的标准误差

但我真正追求的是转换值的标准错误，例如，

但这不起作用，而且我正在使用的书并没有给出关于获取这些额外信息的提示。任何关于如何接近的反馈将不胜感激。

我目前正在使用隐马尔可夫模型进行说话人验证项目。我选择 MFCC 进行特征提取。我也打算对它应用VQ。我已经实现了 HMM 并在 Eisner 的数据电子表格上对其进行了测试：http ://www.cs.jhu.edu/~jason/papers/并得到了正确的结果。

使用语音信号，我似乎错过了一些东西，因为我没有得到正确的接受（我使用前向算法进行了概率估计 - 没有应用缩放）。我想知道我可能做错了什么。我使用 scikits talkbox 的 MFCC 函数进行特征提取，并使用 Scipy 的集群进行矢量量化。这是我写的：

我假设 scikits 的 mfcc 函数的默认参数已经适合说话者验证。音频文件的采样率是 8000 和 22050。这里有什么我缺少的吗？我为 VQ 选择了 64 个集群。每个样本都是一个孤立的词。持续时间至少 1 秒。我还没有找到一个 Python 函数来删除语音样本中的静音，所以我使用 Audacity 手动截断静音部分。任何帮助，将不胜感激。谢谢！

转移概率为

例如，对于一个产品，当当前价格为高价时，下一期为高价的概率为0.3，为低价的概率为0.7。

我的问题是，对于两个独立的产品，过渡概率是多少？

我正在寻找一些结果，如下表：

例如，假设当前价格水平是产品 1 的 H 和产品 2 的 H，则 1 为 L 且 2 为 H 的概率为 0.7*0.3 = 0.21。

我正在使用的当前代码如下：

它适用于两种产品，但对于更多产品，它会非常混乱。例如对于四个独立的产品，转移矩阵是 16*16：对于每个当前状态（例如 HHHH），有 16 个可能的未来状态，例如（HHHH、HHHL、HHLH、HHLL、HLHH、....等）

有没有简单明了的方法来做到这一点？

嘿，我有一个单元格数组，第二列是'XX->XX'的次数，例如：

现在，我正在尝试计算概率： P('AA->AA')=TIMES('AA->AA')/SUM('AA->AA','AA->AC','AA-> AG','AA->AT')，换句话说，P('AA->AA')=TIMES('AA->AA')/SUM('AA->Anyone')。其他人也一样。我想使用循环来做到这一点，但有一个极端情况

嗯，很明显'TC->CG'的次数是0，即使我们已经知道概率应该是0，也需要考虑。当然，这种极端情况可能发生在任何其他情况下，可能有时缺少'TT-> TT'，或者有时缺少'TC-> CT'。任何人都知道如何做到这一点？谢谢。

Does anyone know of an online resource where I can find stochastic matrices for an nth order Markov chain describing the probability of a note being played based on the previous n notes (for different musical genres, if possible)? I am looking for something similar to the second-order matrix found on this page: http://algorithmiccomposer.com/2010/04/openmusic-markov-chains-and-omlea.html

If not, or otherwise, what would be the best way to construct such a matrix for each genre? The article states that this can be done by hand or by analysing existing pieces of music. How could large amounts of music for each genre be processed to generate these matrices?