machine-learning - 隐藏马尔可夫模型下一个状态仅取决于前一个状态？那么之前的 n 个状态呢？

Question

我正在研究原型框架。

基本上，我需要根据关于他/她的一些传感器数据（例如 GPS、运动、心率、周围环境读数、温度等）为每个人的生活方式生成模型或配置文件。

建议的模型或配置文件是个人生活方式模式的知识表示。也许是一个带有概率的图表。

我正在考虑使用隐马尔可夫模型来实现这一点。由于 HMM 中的状态可以是工作、睡眠、休闲、运动等。观察可以是一组各种传感器数据。

我对 HMM 的理解是，下一个状态 S(t) 仅取决于前一个状态 S(t-1)。然而实际上，一个人的活动可能取决于之前的 n 个状态。使用 HMM 仍然是个好主意吗？或者我应该使用其他更合适的模型吗？我看过一些关于二阶和多阶马尔可夫链的工作，它是否也适用于 HMM？

如果你能给我一个详细的解释，我真的很感激。

谢谢！！

Answer 1

您正在谈论的是一阶 HMM，其中您的模型只知道以前的历史状态。在 Order-n Markov 模型的情况下，下一个状态将取决于之前的“n”个状态，这可能是您正在寻找的对吗？

您是对的，就简单的 HMM 而言，下一个状态仅取决于当前状态。但是，也可以通过定义转换概率来实现 m 阶 HMM ，如此链接所示。但是，随着顺序的增加，矩阵的整体复杂性以及模型的整体复杂性也会增加，因此，如果您愿意迎接挑战并愿意付出必要的努力，这真的取决于您。