我正在研究原型框架。
基本上我需要根据他/她的一些传感器数据为每个人的生活方式生成模型或个人资料,例如GPS,运动,心率,周围环境读数,温度等。
建议的模型或简介是个人生活方式模式的知识表示。也许是一个有概率的图表。
我正在考虑使用隐马尔可夫模型来实现这一点。由于HMM中的状态可以是工作,睡眠,休闲,运动等。观察可以是一组各种传感器数据。
我对HMM的理解是下一个状态S(t)仅取决于先前的一个状态S(t-1)。但实际上,一个人的活动可能取决于之前的n个州。使用HMM仍然是个好主意吗?或者我应该使用其他更合适的模型?我已经看到一些关于马尔可夫链的二阶和多阶的工作,它是否也适用于HMM?
如果你能给我一个详细的解释,我真的很感激。
谢谢!
答案 0 :(得分:1)
您所说的是一级HMM,您的模型只能知道之前的历史状态。在Order-n马尔可夫模型的情况下,下一个状态将取决于之前的'n'状态,这可能是你正在寻找的那个吗?
你是对的,就简单的HMM而言,下一个状态仅取决于当前的状态。但是,也可以通过定义in this link所示的转移概率来实现第m个订单HMM。但是,随着订单的增加,您的矩阵的整体复杂性以及您的模型也会增加,所以如果您接受挑战并愿意付出必要的努力,那么这真的很重要。