我是隐藏马尔可夫模型（HMM）的新手，我现在正在尝试进行数据预测。考虑一个以非均匀间隔采样的正弦波，我想用这些数据来预测未来时刻的输出。我正在尝试使用matlab的统计工具箱。
问题似乎是在给出的例子中，我需要一个发射矩阵和一个转换矩阵来生成一个hmm模型。但基于我的数据，我如何评估这些矩阵？以及如何根据我的数据训练模型？
答案 0 :(得分：3)
我是第二个slayton的回答。
转换矩阵只是一个州将转移到另一个州的概率列表。
隐藏 Markov模型假设您无法真正看到系统的状态（它是隐藏）。例如，假设你的邻居有一只狗。狗可能饿或满，这是狗的状态。你不能问狗是否饿了，你不能看到它的胃里面，所以状态对你是隐藏的（因为你只看到外面，在狗身上，每天短暂地你无法追踪到什么时候它会在里面吃，或者吃多少，如果是这样的话。）
然而，你知道，在它吃完并变满之后，它会在一段时间后再次变得饥饿（取决于最后吃多少，但你不知道它可能是随机的），当它很饿，它最终会进入室内并进食（尽管有饥饿感，它有时会因懒惰而坐在外面）。
鉴于这个系统，你不能看到狗什么时候饿了，什么时候没有。但是，您可以从狗是否发出呜呜声来推断。如果它在抱怨，它可能很饿。如果它快乐地吠叫，它可能已经满了。但仅仅因为它的抱怨并不意味着它的饥饿（也许它的腿受伤）而且只是树皮并不意味着充满（也许它很饿，但对某些东西感到兴奋）。然而，通常树皮在满满的时候就会出现，而在它饥饿时会发出呜呜声。它可能根本没有声音，也没有告诉你它的状态。
所以这是排放矩阵。 “饥饿”状态更可能“发出呜呜声”，完全和吠声同样如此。发射矩阵表示您将在每个给定状态下观察到的内容。
如果对发射矩阵使用方形单位矩阵，那么每个状态将始终发射，并且最终会得到非隐藏马尔可夫模型。
答案 1 :(得分：0)
matlab docs很好地描述了如何使用统计工具箱函数进行HMM。 “估算过渡和排放矩阵”部分可能会让您指出正确的方向。