基于一阶马尔可夫链的实验数据序列分类模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

广东省教育科学规划信息技术专项(12JXN036)


Sequence Classifying Model of Experimental Data Based on First Order Markov Chain
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了对在线实验系统产生的实验数据序列进行分析,引入一阶马尔可夫链. 通过人工分类把实验数据分为学习积极和懒散作弊两类,分别构建马尔可夫链模型. 根据输出概率判定测试数据来自哪一个模型的可能性较大. 最后讨论了状态的平稳分布情况. 实验结果表明,基于马尔可夫链的分类模型具有较高的正确率.

    Abstract:

    In order to analysis the sequence data generated by online experimental system, the first-order Markov chain is introduced. It artificially classifies the experimental data into the learning initiative and fraud, and constructs two Markov chain models. It determines by the larger possibility from which model the test data comes. At the end, it discusses the steady state distribution. Experimental results show that the model based on Markov chain has higher classification accuracy.

    参考文献
    相似文献
    引证文献
引用本文

黄志成.基于一阶马尔可夫链的实验数据序列分类模型.计算机系统应用,2014,23(5):227-230

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-09-22
  • 最后修改日期:2013-10-18
  • 录用日期:
  • 在线发布日期: 2014-05-29
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号