Моя задача - классифицировать вектор наблюдения (функции, взятые из сигналов датчиков) в одно из состояний M. Я могу использовать многоклассовые классификаторы (деревья или SVM), но поскольку эти состояния зависят, я ищу модель для использования зависимости между состояниями. Я думал об использовании HHM (я новичок в HMM), но из моих исследований я в основном нашел, что модель излучения требует полного набора символов с вероятностями или некоторой генеративной модели распределения. Оба кажутся неосуществимыми.Модель излучения HMM с дискриминантными инструментами машинного обучения
- Как использовать дискриминационные инструменты, которые я знаю (деревья, SVM), для обучения подходящей модели HMM?
- Если это не подходящая модель для моей проблемы, какая из них?
Примечание: Я классифицирую физическую активность человека с акселерометра на теле. например, я могу захотеть классифицировать между этими состояниями: «стоять», «ходьба» & «работает». Вместо того, чтобы просто классифицировать каждый кадр, я хотел бы рассматривать это как последовательность. таким образом, например, если у меня есть наблюдение, похожее на «бег», следующее наблюдение, скорее всего, будет «бегать» и не путать с ходьбой, которая выглядит аналогичной и возможной, но менее вероятной.
Поиск специально для HSMM (скрытых полумарковских моделей), потому что в этом варианте учитываются последовательности в целом – rpd
спасибо, но я меньше беспокоюсь о переходе состояний и о многом по замечаниям. также любая идея, почему я получил отрицательный рейтинг, я пропустил что-то очевидное здесь? – user3730223
Отрицательный рейтинг связан с тем, что вопрос кажется довольно расплывчатым и не имеет прямого отношения к программированию (что на самом деле верно), но у меня есть опыт в этой теме, поэтому я решил прокомментировать. Что касается вашей озабоченности, взгляните на это ?: http://stackoverflow.com/questions/17487356/hidden-markov-model-for-multiple-observed-variables – rpd