基于隐马尔可夫模型（HMM）的孤立字语音识别系统，matlab实现，包含数据集以及源码

forward+algorithm隐马尔可夫模型前向算法Matlab程序.doc

作为课程作业，我们需要为双障碍敲入二元看跌期权定价。 我们使用24种方式的有限差分法和12种方式的多项式格。 我们还实现了解析和马尔可夫链方法。 最后，我们将这四种方法与蒙特卡罗方法进行了比较。 在本课程中，我们讨论了这些方法的速度，收敛速度和收敛的单调性。 我们还讨论了外推是否可以提高收敛性。

基因算法训练连续隐马尔柯夫模型的语音识别.doc

基于隐马尔可夫模型（HMM）的孤立字语音识别matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

Market-Markov:用马尔可夫链分析股票市场

提出一种改进的基于隐马尔可夫模型的人脸识别方法 利用人脸隐马尔可夫模型的结构特征和Viterbi 算法的特点，对特征观察序列进行分割，使用部分序列对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最小的隐马尔可夫模型，减少观察序列的计算次数，提高识别效率 实验结果表明，该方法能在不降低识别率的情况下，有效提高识别速度。

机器学习与算法及源码：马尔可夫.zip

TransitionalMCMC.jl Julia（Julia）中过渡马尔可夫链蒙特卡罗（TMCMC）的实现。 此实现很大程度上受到OpenCOSSAN中的限制的。 TMCMC算法可用于从未归一化的概率密度函数（即贝叶斯更新中的后验分布）采样。 TMCMC算法克服了Metropolis Hastings的一些问题： 可以有效地采样多峰分布 在高尺寸下效果很好（在合理范围内） 计算证据 通过算法选择提案分配 易于并行化 TMCMC不是从后验中直接采样，而是从易于采样的“过渡”分布中采样。 被定义为： 其中0 <= B j <= 1，在算法中从B j = 0（先验）开始，再到B j = 1（后验）。 安装 这是尚未注册的julia包裹。 但是，可以使用Julia软件包管理器安装此软件包： julia > ] pkg > add https : // github . com / A

伊辛模型matlab代码FDRhmrf 该软件包专为 [1] 中提出的错误发现率 (FDR) 控制程序而设计。 该 FDR 程序基于双参数 Ising 模型（经典的隐马尔可夫随机场）和局部显着性指数（LIS；[2,3]），旨在在控制 FDR 的同时最小化错误未发现率 (FNR)在给定级别，尤其是对于 3D 空间数据，例如神经影像数据。 这个包是用 C++ 编写的，可以被 MEX 从 Matlab 调用。 提供了示例，有关详细信息，请参阅。 请引用此包的文章 [1]，该包可用。 [1] Shu, H.、Nan, B. 和 Koeppe, R.（2015 年）。 “通过隐马尔可夫随机场对神经影像进行多重测试”。 生物识别，71, 741-750。 @article{shu2015multiple, title={Multiple testing for neuroimaging via hidden Markov random field}, author={Shu, Hai and Nan, Bin and Koeppe, Robert}, journal={Biometrics}, v