我試圖找出是否有一種很好的方法來將兩個HMM合併爲一個，當基礎狀態相同時，但觀察結果不是暫時關聯的。具有多個時間獨立流的隱馬爾可夫模型
我有兩個獨立的觀察流描述相同的隱藏狀態空間。每個觀測流的基本順序保持不變，但不會同時發射。例如，假設我有兩個獨立揚聲器的錄音朗讀相同的文本段落，其中隱藏狀態空間變爲文本中的字母，而來自每個音頻的音素流構成觀察空間。每位演講者分別錄製音頻，並在閱讀時使用不同的節奏。
我可以清楚地使用每個說話者對文本進行獨立的預測，並嘗試並在事後調和結果......但是我覺得將觀察流組合成單個HMM可能會產生更好的結果。
有沒有人知道調和這個好方法？
合併狀態需要先對齊這些流...即某種對數似然最優化。 但是可以使用來自多個流的統計來預測「觀察」 - 現代數據壓縮機基本上就是這樣做的。例如，看到http://www.mattmahoney.net/dc/dce.html#Section_432
我不確定是否有方法合併兩個HMM後，他們已被分別適應不同的觀察序列。
但是在多個獨立的觀察序列上存在一個訓練一個馬爾可夫模型的方法。
它在紙 coverered例如「A教程隱馬爾可夫模型和語音識別選定的應用程序」 由Rabiner
不幸的是，我還沒有發現這個算法的implementiation。
這是我在stackexchange上的相應問題：https://stats.stackexchange.com/questions/53256/two-sequences-one-hmm