数学上的定义即使看明白,我也无法记忆下来,目前我的理解是: 已知系统t时刻状态P(t), 状态间转移的概率矩阵是M(P,Q),其中每个元素M(p,q)表示t时刻处于状态q,t+1时刻处于状态p的概率. 那么有
P(t+1)=M×P(t) P ( t + 1 ) = M × P ( t ) 当上式中的 t→+∞ t → + ∞ 时,引入个稳态分布的概念,即
P(t)=P(t+1)
本文介绍了马尔科夫模型的基本概念，包括状态转移矩阵和稳态分布，并通过预测球队胜率和生成激活地图的案例，展示了马尔科夫模型在实际问题中的应用。在球队胜率预测中，定义失败、胜利和平局为状态，利用历史数据计算状态转移矩阵和稳态；在视觉显著性中，马尔科夫模型被用来融合不同特征图生成 saliency map，通过对像素节点的投票过程模拟状态转移。
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
