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

matlab开发-探索风险传染图或和马尔可夫链。描述、可视化和建模证券组合的行业风险传染

基于HMM（隐马尔可夫模型）的会车碰撞危险性评估算法的研究 ，羊昊，孙泽昌，针对道路会车工况开发的一套评估主车与对面来车发生碰撞危险性的算法。首先根据车辆的运动状态应用车辆二自由度单轨模型预测车辆

将灰色模型和马尔可夫链模型相结合,构建了灰色马尔可夫链预测模型,并根据北 京市12年的降雨量资料序列预测之后2年的降雨量范围。证明了利用灰色马尔可夫链对降雨 量进行预测是一种行之有效的方法。

三、马尔可夫链的一些简单例子 马尔可夫链在研究质点的随机运动、自动控制、通信技术、生 步转移中向右移了设在第 步，向左移了 步，且经过 步 进人转移状态从 从而

Google PageRank的论文，可供参考

大数据-算法-隐马尔可夫过程小波变换的参数估计.pdf