提出一种基于运动趋势的移动对象位置预测算法，不仅借鉴马尔可夫模型思想对移动对象的历史活动轨迹进行建模，而且将对象的运动趋势作为位置预测的重要因素。以全体历史停留区域作为未来位置的候选，根据位置的特征，将结果分为预测位置和推荐位置。真实数据实验表明，算法在保证较高时间效率的同时，预测精度较同类算法提高近10%。

为解决传统隐马尔可夫股价行为预测模型对输入特征序列和隐含状态数目敏感，导致预测结果存在局部最优、误差较大的问题，设计了新的股票因子特征选择方法，包括对因子特征的筛选和特征数据预处理。结合贝叶斯信息规则确定模型最佳隐含状态数目，提出了一种优化股价行为预测性能的PRHMM模型。通过对比支持向量机、ARIMA模型，实验结果证明，所提出的预测算法相对传统预测模型，在股价行为预测中有更好的预测表现。

在Matlab中实现持续时间高阶隐马尔可夫模型（DHO-HMM）及其在语音识别中的应用。

利用1990年、2002年两期TM影像数据,基于马尔可夫模型,借助MAPGIS,ARCGIS的空间分析功能,从土地利用变化的数量、土地利用类型之间的转移等角度,对沁阳市土地利用动态变化进行了分析.结果表明,在人类活动和自然因素的影响下,沁阳市12年间土地利用结构发生了明显改变,耕地面积减少,建设用地和未利用地增加(建设用地和未利用地面积的增加主要是通过占用耕地来实现的),三者之间的转换较为频繁.受退耕还林、耕地动态平衡政策的影响,林地面积增加,部分建设用地、水域、园地通过整理复垦变为耕地.

灰色GM(1,1)模型不适合描述随机波动性较大的预测问题,单纯应用该模型进行齿轮寿命预测时,预测精度不能保证;引入马尔可夫理论,建立了灰色马尔可夫预测模型,采用统计的方法,通过计算系统到达目标时刻的不同步数的转移概率矩阵,确定系统的目标状态。实例证明,相比与GM(1,1)模型,灰色马尔可夫模型的预测精度更高。

该项目提供了Java中持续时间高阶隐马尔可夫模型（DHO-HMM）的实现。 它可以用JDK 5和6压缩。它被用于作者对普通话数字语音识别的研究。 该项目中有一些中文单词，恐怕最近我没有足够的时间翻译成英文。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

使用基于隐马尔可夫模型的机器学习对 3 类问题进行一维矩阵分类。 它还包含一个基于矩阵的示例，输入样本的大小为 15 和 3 个特征 https://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html https://www.cs.ubc.ca/~murphyk/Software/HMM.zip 需要工具箱Matlab 的隐马尔可夫模型 (HMM) 工具箱由凯文墨菲撰写，1998 年。 最后更新：2005 年 6 月 8 日。 在 MIT 许可下分发 该工具箱支持对具有离散输出 (dhmm's)、高斯输出 (ghmm's) 或高斯输出混合 (mhmm's) 的 HMM 进行推理和学习。 高斯分布可以是完整的、对角线的或球面的（各向同性的）。 它还支持离散输入，如 POMDP。 推理例程支持过滤、平滑和固定滞后平滑。

完整代码，可直接运行

该模型包括两个程序： 1、根据观察序列创建一个HMM模型，利用BW算法估计HMM的参数。 2、根据已知的观察序列和HMM模型，估计观察序列的概率值，利用Forward算法 注：在HMM.cpp中分别有这两个主程序，运行一个的时候注释另一个。