一种有效无损多级Markov模型剪枝方法

摘要：

在不同的Markov模型中,Markov模型级数越高,显示的预测性能越强,但是模型越复杂,状态空间越大,运行时间越长.我们提出了一种利用规则访问压缩多级Markov模型空间的方法-AMAS(All-kth Markov with Super Node).通过把连续访问压缩到一个超级节点中,既可以达到消减状态复杂度的目的,又不会降低模型的预测性能,甚至还有助于预测精度的提高.我们利用程序执行踪迹测试模型,发现其性能高于多级Markov模型,序列长度最大减少了97％(平均减少到49％),模型空间最大减少99％(平均减少到48％).

关键词： All-kth Markov 访问模式 剪枝方法

作者: 王永庆 张民选

作者单位: 国防科技大学计算机学院

会议类型: 国内会议

会议名称: 第八届计算机工程与工艺全国学术年会

会议地点: 昆明

会议语种:中文

页码: 170-173

在线出版日期: 2003-08-10（万方平台首次上网日期，不代表论文的发表时间）