2012-12-13 40 views
4

我有可變長度的許多序列。對於這些,我想訓練一個隱馬爾可夫模型,我想稍後用它來預測(部分)序列的可能延續。我發現兩種方法利用HMM到目前爲止,預測未來:如何使未來的預測與隱馬爾可夫模型

1)產生幻覺的延續,並得到該序列持續的可能性。選擇最可能的那個作爲你的預測。這種方法需要明確知道可能的臨時值。

2)使用維特比算法(部分)序列,以獲得最可能的隱藏狀態序列。以該序列中的最後隱藏狀態的發射分佈並預測例如該分佈的平均值(通常是高斯)。

現在我的問題是:是否有任何其他的,可能更條理化,如何利用HMM預測未來?

謝謝!

回答

0

在HMM馬爾可夫假設指出,在時間T + 1的狀態是獨立之前T總狀態,空調的T.

你選擇2接近我的建議,除非你正在使用最後一個狀態的最大似然賦值。相反,計算序列中最後一項的隱藏狀態分佈。這相當於用維特比算法中的「總和」替換「最大值」。 (參見https://www.coursera.org/course/pgm,並搜索「和積」算法,也稱爲置信傳播)。

然後,採樣以後,你做的是第一個樣品最後的狀態,考慮到其分佈。然後使用轉換矩陣採樣下一個隱藏狀態,並重復播放nauseum。由於在序列中的最後一個點之後沒有實際的觀察結果,因此您是從馬爾可夫鏈中抽樣的。這將爲您提供未來的樣本,並提供有關部分序列的所有信息。這與維特比不同的原因是,即使對部分分配的隱藏變量的最可能的分配可能性也很低。通過使用的最後狀態下的整個分佈,可以得到以下的(未觀察到的未來)狀態的更好的估計。