1

私はプロトタイプフレームワークに取り組んでいます。

基本的に、GPS、モーション、心拍数、周囲の環境の読み取り値、温度などのセンサーデータに基づいて、各個人のライフスタイルのモデルまたはプロファイルを生成する必要があります。

提案されたモデルまたはプロファイルは、個人のライフスタイル パターンの知識表現です。たぶん、確率のグラフ。

これを実装するために、隠れマルコフ モデルを使用することを考えています。HMM の状態には、Working、Sleeping、Leisure、Sport などがあります。観測は、さまざまなセンサー データのセットである可能性があります。

HMM についての私の理解では、次の状態 S(t) は前の 1 つの状態 S(t-1) にのみ依存するということです。ただし、実際には、人の活動は以前の n 個の状態に依存する場合があります。HMMを使用することはまだ良い考えですか? または、他のより適切なモデルを使用する必要がありますか? マルコフ連鎖の 2 次および複数次の作業を見てきましたが、HMM にも適用されますか?

詳しく説明していただけると大変助かります。

ありがとう！！

4

1 に答える 1

1

あなたが話しているのは、モデルが以前の履歴状態の知識しか持たない一次HMMです。次数nマルコフモデルの場合、次の状態は前の「n」状態に依存し、これがあなたが探しているものかもしれません?

単純な HMM を考慮する限り、次の状態は現在の状態のみに依存するというのは正しいことです。ただし、このリンクに示すように遷移確率を定義することで、m 次の HMM を実現することもできます。ただし、次数が増えると、行列の全体的な複雑さが増し、したがってモデルも複雑になるため、チャレンジに挑戦し、必要な努力を惜しまないかどうかはあなた次第です。

于 2013-04-22T11:09:21.767 に答える