摘要：針對基于馬爾可夫模型的預(yù)測式動態(tài)電源管理算法(DPMPA)對大型樣本數(shù)據(jù)預(yù)測精度低的問題，提出了一種具備自反饋功能的內(nèi)嵌式馬爾可夫模型(RMM)的DPMPA。該算法基于分層迭代思想，對滿足馬爾可夫性質(zhì)的大型數(shù)據(jù)進(jìn)行聚類，再使用馬爾可夫算法對構(gòu)建出的迭代數(shù)據(jù)模型：上層抽象數(shù)據(jù)模型和底層實例數(shù)據(jù)模型進(jìn)行訓(xùn)練。引入反饋函數(shù)φ(i)，控制轉(zhuǎn)換概率矩陣更新頻率，保證預(yù)測精度范圍。依此，編制了自反饋內(nèi)嵌式馬爾可夫模型DPMPA的Matlab程序。應(yīng)用該程序?qū)o線熱點訪問次數(shù)進(jìn)行仿真預(yù)測，得出不同訓(xùn)練樣本數(shù)對后期樣本的預(yù)測精度的影響，對比馬爾可夫算法和自適應(yīng)學(xué)習(xí)樹(ALT)算法預(yù)測結(jié)果表明，基于該自反饋RMM預(yù)測式動態(tài)電源管理算法對于大型樣本數(shù)據(jù)預(yù)測精度比前者高5%，后者高10%。預(yù)測精確度的提高，將更有利于馬爾可夫算法的DPM系統(tǒng)功耗控制。

