matlab/init_kmc.m

   1 % Initializes the model to a random initialization point\r
   2 % Takes in the number of states in the model and the number of underlying\r
   3 % Markov Chains\r
   4 function model = init_kmc(num_states, num_mcs)\r
   5 \r
   6 model.num_states = num_states;\r
   7 model.num_mcs = num_mcs;\r
   8 % Initialize num_mcs Markov Chains, and then initialize the priors\r
   9 for i=1:num_mcs\r
  10     model.chain(i) = init_single_mc(num_states);\r
  11 end\r
  12 model.priors = rand(num_mcs, 1);\r
  13 model.priors = model.priors / sum(model.priors);\r
  14 \r
  15 function mc = init_single_mc(num_states)\r
  16 \r
  17 % Initialize a single Markov Chain w/ the number of states specified.  The\r
  18 % initial probabilities must sum to 1, and each row in the transition\r
  19 % matrix must sum to 1.\r
  20 \r
  21 mc.t = rand(num_states, 1);\r
  22 \r
  23 % Normalize the values to 1\r
  24 mc.t = mc.t / sum(mc.t);\r
  25 % Need one extra dimension for the end state\r
  26 mc.T = rand(num_states, num_states + 1);\r
  27 \r
  28 % Normalize each row to 1\r
  29 for i=1:num_states\r
  30     mc.T(i, :) = mc.T(i, :) / sum(mc.T(i, :));\r
  31 end