1
동일한 마코프 상태에 대해 여러 emmision 스펙트럼을 결합하려면 어떻게해야합니까? 다 변수 숨겨진 마코프 모델
는 이제 고전 HMM 예제를 사용하자 :% states
S = {sunny, rainy, foggy}
% discrete observations
x = {umbrella, no umbrella}
이제 내가 여러 관측 순서가 있다면. 예 :
% sequence 1
x1 = {umbrella, no umbrella}
% sequence 2
x2 = {wearing a coat, not wearing a coat}
어떻게이 두 개의 관측 시퀀스를 하나의 HMM으로 결합 할 수 있습니까?
참고 : x1과 x2을 결합하여 해당 상호 종속성도 모델링하고 싶습니다. 따라서 단순히 x={x1 x2}이라고 말하면 (IMO) 좋은 해결책이 아닙니다.
[ESTTR,ESTEMIT] = hmmtrain(seq,TRGUESS,EMITGUESS)
이는 나에게 하나의 seq를 삽입 할 수 있습니다 :
은 특히, 내가 matlab에의 hmmtrain 기반으로 HMM를 양성하고자합니다.
이제 HMM의 상태에 대해 모두 말하는 5 가지 emmision 스펙트럼이 있다고 가정 해 보겠습니다. 이 다 변수 사례를 어떻게 처리 할 수 있습니까?
명백하게 이것은 HMMTRAIN이 처리 할 수있는 [다항 분포] (https://en.wikipedia.org/wiki/Multinomial_distribution) 일 것입니다. – Amro
그러나 시퀀스 당 20 개의 방출 시퀀스와 4 개의 다른 상태가 있다면 어떻게 될까요? 데카르트 제품을 사용하면 거대한 계산 공간으로 문제가 폭발 할 것입니다. –
사용하는 용어가 다소 혼란 스럽습니다 ... 위에서 제안한 값은 가능한 "관찰"집합입니다. ** sequence **는 단순히 시간에 따른 일련의 관찰 일뿐입니다 ... 다른 말로하면, 우리는 ** state **'s (k)'에 있다면't (i)'의 어떤 시점에서 배출 모델 확률 분포 (주사위 굴림을 생각해 보라)에 따라 상기 이산 ** 관측치 ** 중 하나를 방출하십시오. 분명히 당신은 너무 많은 관측이나 너무 많은 상태를 갖고 싶지 않을 것입니다. 그렇지 않으면 HMM 모델을 성공적으로 훈련시키기 위해 많은 양의 데이터가 필요할 것입니다. (차원의 저주) – Amro