说明：hidden markov models for face recegnisation

说明：Markov chain detailed explanation

说明：基于Markov方法的风机出力预测方法，具有较强的可转换性

说明：Markov Model presentation

说明：求解马尔科夫过程的一个过程，输入转移强度矩阵后，可以求得状态概率

说明：在matlab条件下模拟马尔科夫链的过程

说明： 马尔可夫链是具有马尔可夫性质的随机变量X_1,X_2,X_3...的一个数列。这些变量的范围，即它们所有可能取值的集合，被称为“状态空间”，而X_n的值则是在时间n的状态。如果X_{n+1}对于过去状态的条件概率分布仅是X_n的一个函数，则 P(X_{n+1}=x|X_1=x_1,X_2=x_2,...,X_n=x_n) = P(X_{n+1}=x|X_n=x_n). 这里x为过程中的某个状态。上面这个恒等式可以被看作是马尔可夫性质。

说明：Java实现的一个隐马尔科夫模型，该模型可用于一般的教学，相比其他的大型的HMM库更容易理解。

说明：Monte Carlo Markov Chain (MCMC)

说明：代码基于Matlab软件，讲述了大量数学方法的应用思路和过程。内容涉及回归分析、主成分分析、因子分析、聚类分析、判别分析、时（空）间序列分析、Markov链、R/S分析、线性规划、层次分析法以及人工神经网络建模等方法。通过模仿本书讲授的计算过程，读者可以加深对有关数学方法的认识和理解，并且掌握很多Matlab的应用技巧。代码规范，可研究价值高。 　

说明：Finally, probability analysis, based on the chosen database, is performed and judgment whether the person is recognized is pronounced. Two different modeling techniques can be suggested for purposes of person identification or verification. The approach based on Hidden Markov Speaker Models (HMMs) with the mixtures of Gaussian distribution is text-dependent one. For this technology a speaker is described by a set of HMMs, constructing the set of speech groups spoken by that person. The speech groups may be phonemes or words [7]. The text-independent technology is rested upon Gaussian Mixture Speaker Models. For this technology each speaker is defined by only one model describing all utterances of that person. Identification in the range of both approaches is executed by evaluation of maximum a posteriori probability [7].

说明：马尔科夫链的JAVA源代码，可以实现基于马尔科夫链的文章生成器

说明：已知一串Markov Chain，通过代码得到他的Transition Matrix.

说明：隐马尔科夫过程预测编码，对于使用或研究隐马尔科夫模型的人会有帮助。

说明：压缩感知中置信传播和马尔可夫随机场的全部源代码

说明：马尔科夫链的matlab仿真,马尔可夫模型（Markov Model，MM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。

说明：马尔科夫调节阀matlab程序,用于自动化方向的安全仪表系统的matlab程序。

说明：对SAR图像分割 用马尔科夫随机长进行的。可以任意输入类别数目

说明：马尔科夫链仿真，包括一个输入，一个输出，一个寄存器

说明：灰色马尔可夫模型 马尔可夫的矩阵 也可以用这个程序直接预测

说明：处理lasso regression。 使用stochastic Markov property。

说明： Resources for Energy Efficient Mobile Sensing Research (conducted by Yi Wang)

说明：equilibrium matrix for markov chain

说明：结合马尔科夫和BP神经网络模型的预测决策支持系统

说明：Q-learning (Watkins, 1989) is a simple way for agents to learn how to act optimally in controlled Markovian domains. It amounts to an incremental method for dynamic programming which imposes limited computational demands. It works by successively improving its evaluations of the quality of particular actions at particular states. This paper presents and proves in detail a convergence theorem for Q,-learning based on that outlined in Watkins (1989). We show that Q-learning converges to the optimum action-values with probability 1 so long as all actions are repeatedly sampled in all states and the action-values are represented discretely. We also sketch extensions to the cases of non-discounted, but absorbing, Markov environments, and where many Q values can be changed each iteration, rather than just one.

说明：Markov Chain model for regime switching time series

说明：Markov Chain 3,4 states

说明：马尔科夫链法预测股票，利用中国股市历史数据建立上证综合指数的预测模型，并进行模型验证与股指预测（股指是股票价格指数的简称）。

说明：一个简单的Matlab实现Markov的程序

说明：matlab算法大全之马尔科夫链模型，非常棒的资料