Accord.NET項目主頁（http://code.google.com/p/accord/）包含創建，訓練和評估隱馬爾可夫模型的示例，這些示例基於單變量觀測。我想要做同樣的事情，但是有許多變量的序列。我設想了一個具有因變量和多個獨立變量的多元迴歸結構。我希望能夠估計HMM，其中輸出包括每個狀態的估計截距和係數以及轉換概率矩陣。一個例子是股票收益隨時間變化的beta。例如ret（IBM）= intercept + b1 * ret（Index）+ b2 * ret（SectorETF）+錯誤，但是截距，b1和b2是狀態相關的。Accord.NET來估計多元迴歸HMM模型
Marcelo Perlin在他的MS_Regress package for Matlab中提供了這個功能。不過，我想在C＃中使用這個功能。因此，無論是（1）使用Accord.NET庫估計多重回歸HMM模型，（2）將Marcelo Perlin的軟件包轉換爲C＃，或（3）關於如何實現我的目標的其他想法，都將非常感謝您的幫助。
謝謝！
Accord.NET框架也支持多維功能。您可以通過使用泛型來指定在狀態中使用的任何概率分佈，並且還有一個example available in the documentation。
如果你有，例如，二維觀察向量，並選擇承擔多維模型假設高斯排放密度，您可以使用：
// Assume a Normal distribution for two-dimensional samples.
var density = new MultivariateNormalDistribution(dimension: 2);
// Create a continuous hidden Markov Model with two states organized in a forward
// topology and an underlying multivariate Normal distribution as emission density.
var model = new HiddenMarkovModel<MultivariateNormalDistribution>(new Forward(2), density);
，然後你可以使用通用的版本學習之典範通常的Baum-Welch，Viterbi或Maximum Likelihood學習者。
但是，遺憾的是，框架仍不支持的是您提到的確切迴歸形式。但它看起來很有趣。也許它可能會在未來的某個地方添加到框架中。如果您願意，請將其作爲建議，並附上項目問題跟蹤器中的一些參考文獻和論文。這似乎是一個非常有用的補充。