马尔科夫链-转移概率
G=[1/16, 1/6,1/8;1/32,0,1/4;1/32,1/4,1/12];%转移概率a=20;%H=zeros(a);%[r,s]=size(H);%TotalNum=r*s;%IndexNum=1+floor(rand(1,floor(TotalNum*0.1))*TotalNum);%H(IndexNum)=1;h2=zeros(a*a); %转移概率矩阵分布x=1;for x=1:1:a*aif x==1h2((x-1)*a*a+2)=3/7;h2((x-1)*a*a+a+1)=3/7;h2((x-1)*a*a+a+2)=1/7;elseif x==a*ah2((x-1)*a*a+a*a-1)=16/25;h2((x-1)*a*a+a*(a-1)-1)=6/25;h2((x-1)*a*a+a*(a-1))=3/25;elseif x==ah2((x-1)*a*a+a-1)=4/13;h2((x-1)*a*a+2*a-1)=3/13;h2((x-1)*a*a+2*a)=6/13;elseif x==a*(a-1)+1h2((x-1)*a*a+a*(a-2)+1)=1/10;h2((x-1)*a*a+a*(a-2)+2)=1/10;h2((x-1)*a*a+a*(a-1)+2)=4/5;elseif (1<x)&&(x<a)h2((x-1)*a*a+x-1)=4/21;h2((x-1)*a*a+x+1)=6/21;h2((x-1)*a*a+x+a-1)=1/7;h2((x-1)*a*a+x+a)=2/7;h2((x-1)*a*a+x+a+1)=2/21;elseif mod((x-1),a)==0 && x~=a*(a-1)+1h2((x-1)*a*a+x-a)=3/62;h2((x-1)*a*a+x-a+1)=3/62;h2((x-1)*a*a+x+1)=12/31;h2((x-1)*a*a+x+a)=12/31;h2((x-1)*a*a+x+a+1)=4/31;elseif mod(x,a)==0 && x~=a*ah2((x-1)*a*a+x-a)=6/61;h2((x-1)*a*a+x-a-1)=6/61;h2((x-1)*a*a+x-1)=16/61;h2((x-1)*a*a+x+a)=24/61;h2((x-1)*a*a+x+a-1)=12/61;elseif (a*(a-1)+1<x)&&(x<a*a)h2((x-1)*a*a+x-1)=16/52;h2((x-1)*a*a+x+1)=24/52;h2((x-1)*a*a+x-a)=3/52;h2((x-1)*a*a+x-a-1)=6/52;h2((x-1)*a*a+x-a+1)=3/52;elseh2((x-1)*a*a+x-1)=1/6;h2((x-1)*a*a+x+1)=1/4;h2((x-1)*a*a+x-a-1)=1/16;h2((x-1)*a*a+x-a)=1/32;h2((x-1)*a*a+x-a+1)=1/32;h2((x-1)*a*a+x+a-1)=1/8;h2((x-1)*a*a+x+a)=1/4;h2((x-1)*a*a+x+a+1)=1/12;endend%h0=zeros(1,a*a);%h0=zeros(a);%[r,s]=size(h0);%TotalNum=r*s;%IndexNum=1+floor(rand(1,floor(TotalNum*0.2))*TotalNum);%H(IndexNum)=1;h0_1=rand(1,a*a);H0_1=sum(h0_1);h0=h0_1/H0_1;k=20;for i=1:k; S=h0*h2^k; S0 = reshape(S,a,a); T=S'; S0_max=max(S0(:));%求出矩阵中最大数[x,y]=find(S0==max(S0(:)));%求出矩阵中最大数所在的位置goalIndex=(y-1)*a+x;%矩阵中最大自所在的栅格序号 endm=[h2'-eye(a*a);ones(1,a*a)];n=[zeros(a*a,1);1];h2_limit=m\n;plot(T,'m') hold on plot(h2_limit,'g')
马尔科夫链-转移概率相关推荐
- 从马尔科夫链到吉布斯采样与PageRank
马尔科夫链表示state的链式关系,下一个state只跟上一个state有关. 吉布斯采样通过采样条件概率分布得到的样本点,近似估计概率分布P(z)P(z).PageRank通过节点间的连接,估计节点 ...
- 13张动图助你彻底看懂马尔科夫链、PCA和条件概率！
来源:新智元 本文共2100字,建议阅读9分钟. 本文用可视化的方式来解释抽象的理论概念,使这些抽象概念变得生动而立体! [ 导读 ]马尔科夫链.主成分分析以及条件概率等概念,是计算机学生必学的知识点 ...
- 马尔科夫链和马尔科夫随机场
From:http://blog.csdn.net/j123kaishichufa/article/details/7638181 1.什么是随机过程? 在当代科学与社会的广阔天地里,人们都可以看到一 ...
- 深度学习-清晰易懂的马尔科夫链原理介绍
马尔科夫链是一种非常常见且相对简单的统计随机过程,从文本生成到金融建模,它们在许多不同领域都得到了应用.马尔科夫链在概念上非常直观且易于实现,因为它们不需要使用任何高级的数学概念,是一种概率建模和数据 ...
- 清晰易懂的马尔科夫链原理介绍
马尔科夫链是一种非常常见且相对简单的统计随机过程,从文本生成到金融建模,它们在许多不同领域都得到了应用.马尔科夫链在概念上非常直观且易于实现,因为它们不需要使用任何高级的数学概念,是一种概率建模和数据 ...
- 马尔科夫链和马尔科夫链蒙特卡洛方法
前言 译自:<Training Restricted Boltzmann Machines: An Introduction > 马尔科夫链在RBM的训练中占据重要地位,因为它提供了从复杂 ...
- NLP 《隐式马尔科夫链》
一:模型介绍和学习 隐式马尔科夫模型,是对马尔科夫链的扩展,是一个双重的随机过程,它包含一个隐藏链层S = {S1, S2, S3, ⋯ , SN}和一个可观测的链层W = {W1, W2, W3, ...
- NLP 《马尔科夫链》
定义:是一个离散的随机过程,状态的变化都是依赖于状态转移矩阵,用来描述状态空间中经过从一个状态到另一个状态的转换的随机过程,用图的形式表示如下,下图是截图别人的. 马尔科夫链是基于两个假设: 有限视野 ...
- 马尔科夫随机场和马尔科夫链
1.什么是随机过程? 在当代科学与社会的广阔天地里,人们都可以看到一种叫作随机过程的数学模型:从银河亮度的起伏到星系空间的物质分布.从分子的布朗运动到原子的蜕变过程,从化学反应动力学到电话通讯理论.从 ...
最新文章
- MySQL数据库相关命令
- transformer面试总结 模型中BN batchNormalize LN layerNormalizer区别
- C语言 使用指针计算两个整数的和与差
- 制作越狱版本的ipa文件
- 使用maven生成scala项目的目录结构
- Android标签库,JSP Struts之HTML标签库详解 _Android/移动互联网/物联网/_夜鹰教程网...
- 分别用 数组和链表处理约瑟夫环问题
- datatable怎么根据两列分组_谈谈怎么做服务隔离
- 写任意正整数的次幂_并发扣款一致性，幂等性问题，这个话题还没聊完
- java jtextpane_java – 从JTextPane获取原始文本
- python输入一个自然数字符串、然后输出各位数字之和_Python练习题
- Appium+python自动化（二十六）- 烟花一瞬，昙花一现 -Toast提示（超详解）
- 计算机课签到本,学生课堂签到系统的设计与实现.pdf
- Python | NumPy | 3D 数据可视化 - 散点图
- 在PCB板上调试104（0.1μF）独石电容驱动MAXIM MAX3232串口芯片的心得
- RAFT共识算法学习
- 微机原理知识点总结9（8255A+8251A）
- 第一章 电路模型和电路定律（习题解析）
- 用html做一个可以拨打电话的链接
- 弘辽科技：直通车成交率怎么算？成交率低怎么办？