2

我是新机器学习，我正在使用隐马尔可夫模型来识别活动。我有 9 种不同的活动。我正在使用 Jahmm 库。我的数据从加速度计传感器收集。每个样本（2s/样本，50 条记录/秒）的向量如 [270.0 2280.0 390.0 202.706888932921]。首先，我使用 K-means 学习并将所有 HMM 保存在 arrayList 中。然后我比较它们之间有新特征向量时的概率。结果非常好：

Reader reader = new FileReader("My Link file");
            List<List<ObservationVector>> sequences = ObservationSequencesReader
                    .readSequences(new ObservationVectorReader(), reader);
            reader.close();

            OpdfMultiGaussianFactory gMix = new OpdfMultiGaussianFactory(4);
            KMeansLearner kml = new KMeansLearner<>(1, gMix, sequences);

            //Hmm hmm1 = kml.iterate();
            ArrayList<Hmm> listHmm = new ArrayList<>();
            listHmm.add(kml.iterate());

但是， new KMeansLearner<>(1, gMix, sequences) - 这意味着对于每个状态（例如：步行），我只有子状态。但是理论上，每个状态内部都有一些状态。我的工作是识别活动，为什么我需要使用子状态？

我在 github 上阅读了一些项目，大多数作者使用 BaumWelchLearner 来拟合 HMM 的参数。但是当我使用我的数据时，我在两种情况下遇到了一些错误：1：如果我的数据像：

[ 270.0 2280.0 390.0 202.706888932921 ] ; 
 [ 140.0 2010.0 720.0 165.88948785066606 ] ; 
 [ 950.0 1850.0 300.0 209.37353643104433 ] ; 
 [ 220.0 2520.0 540.0 225.51551675635858 ] ; 
 [ 90.0 1390.0 370.0 92.85073343887925 ] ; 
 [ 280.0 2970.0 480.0 206.20770830791443 ] ; 
 [ 340.0 1530.0 160.0 154.4395940899849 ] ; 
 [ 210.0 3410.0 90.0 208.4459552027285 ] ; 
 [ 270.0 1570.0 290.0 163.63963507041333 ] ; 
 [ 360.0 2830.0 620.0 201.01313211023808 ] ; 
 [ 320.0 1980.0 230.0 120.60316500067711 ] ; 
 [ 320.0 1940.0 330.0 185.39230969622733 ] ; 
 [ 310.0 2080.0 780.0 217.30981059428305 ] ; 

KMeansLearner kMeansLearner = new KMeansLearner(1,gMix,sequences);
            BaumWelchLearner baumWelchLearner = new BaumWelchLearner();
            Hmm initHmm = kml.iterate();
            Hmm finalHmm = baumWelchLearner.iterate(initHmm,sequences);

我得到错误：观察序列太短，因为每个特征向量都是一个观察值。

2. If my data is :

[270.0 2280.0 390.0 202.706888932921]；[140.0 2010.0 720.0 165.88948785066606]；[950.0 1850.0 300.0 209.37353643104433]；...以及每个观察序列的更多信息

然后，结果非常糟糕，当我使用 ViterbiCalculator 计算它们时，概率为 NA。

我的问题是： 1：为什么我们需要在隐藏马尔可夫模型中使用子状态 2：为什么我使用 BaumWelchLearner 来学习，我的结果很糟糕

对不起我的英语。非常感谢！

4

0 回答 0