变阶马尔科夫模型算法实现
如何快速有效对历史数据进行统计建模和规律挖掘具有重要意义. 鉴于模型在实际数据挖掘应用的局限及马尔科夫模型的良好统计特性, 设计实现了基于后缀数组和后缀自动机的变阶马尔科夫模型. 算法在后缀树形结构实现的基础上, 引入后缀链, 实现各状态子序列的快速跳转, 能动态自适应计算不同阶长概率的需求. 实验结果表明: 相比传统马尔科夫模型, 模型能在线性时间和空间复杂度内, 构建历史数据的概率统计特征及各状态后缀子序列之间的链接关系, 大大降低了存储空间和时间, 能实现大规模数据的在线学习和应用.
马尔科夫模型、变阶马尔科夫模型、字典树、后缀数组、后缀自动机
27
国家自然科学基金61472082;福建省自然科学基金2014J01220
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
10-17