1

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!!

4

1 回答 1

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。

于 2013-04-22T11:09:21.767 回答