考虑这个理论的，随机过程的右随机转移矩阵。

创建以转换矩阵为特征的马尔可夫链P．

P = [0.5 0.5 0 0;0.5 0.4 0.1 0;0 0 0 1;0 0 10 0];mc = dtmc(P);

画一个马尔可夫链的有向图。通过使用节点颜色直观地识别状态属于哪个通信类。

图;graphplot (mc,“ColorNodes”,真正的);

州3.而且4属于周期为2的通信类。州1而且2瞬态。

以编程方式识别状态属于哪些通信类。

分类(mc)

箱子= 1 1 2 2

垃圾箱是通信类标签的1 × 4向量。的元素垃圾箱对应于中的状态mc.StateNames．例如,Bins (3) = 2指示状态3.在交流课上2．

生成一个随机的七态马尔可夫链。指定转换矩阵中的40个随机元素应为零。

rng (1);MC = McMix (7，“零”, 40);

画一个马尔可夫链的有向图。通过使用节点颜色直观地识别状态属于哪个通信类。

图;graphplot (mc,“ColorNodes”,真正的)

中的通信类mc．然后,确定:

[bin,ClassStates, classrecursive,ClassPeriod] = category (mc)

bin = 6 4 6 3 2 5 1 ClassStates = 1x6 cell array {["7"]} {["5"]} {["4"]} {["2"]} {["6"]} {1x2 string} classrecursive = 1x6逻辑数组0 0 0 0 0 1 ClassPeriod = 1 1 1 1 1 1 1 2

有七个班mc．除状态外，所有状态都组成自己的通信类3.而且1，组成类6．类6是唯一的循环类;类1到类5是暂态的。类6周期2；所有其他类都是非周期性的。

识别马尔可夫链的通信类。然后，从马尔可夫链中提取任何循环子链。

rng (1);MC = McMix (7，“零”, 40);

识别马尔可夫链中所有通信类，以及这些类是否循环。

[bin，~， classrecursive] = category (mc);recurrentClass = find(classrecursive,1) recurrentState = find((bins == recurrentClass))

recurrentClass = 6 recurrentState = 1

类6，由州组成1而且3.中唯一的递归类mc．

从类创建子链6通过在子链中指定至少一个状态。绘制子链的有向图。

sc = subchain(mc,recurrentState);图;graphplot (sc,“ColorNodes”,真正的);