我目前正在学习隐藏马尔可夫模型的murphyk's工具箱，但我确定了我的模型的系数以及通过对数似然进行序列预测的算法。
我的情景：
我在3D空间中有飞鸟的轨迹，即其X，Y和Z位于连续 HMM的类别中。我是飞鸟的200次观测，即500行轨迹数据，我想预测序列。我想在20个数据点中对其进行采样。即10点之后，我的第一个问题是，以下参数对我的情况有效吗？
O = 3; %Number of coefficients in a vector
T = 20; %Number of vectors in a sequence
nex = 50; %Number of sequences
M = 2; %Number of mixtures
Q = 20; %Number of states
第二个问题是，什么算法适合于序列预测，是否必须进行培训？
答案 0 :(得分：1)
根据我的理解，我假设您正在训练200个不同的班级（HMM），每个班级有500个训练样例（观察序列）。
O是向量的维数，似乎是正确的。
无需固定T，这取决于您的观察序列。
M是一个州的GMM中的多元高斯（或混合）的数量。更多将更好地适应您的数据，并提供更好的准确性，但代价是性能。选择合适的值。
N不一定等于T。对于最佳状态数N，您必须进行基准测试并了解自己：
Determinig the number of hidden states in a Hidden Markov Model
是的，您必须使用Baum-Welch算法训练您的课程，可选择在此之前使用分段k-means程序。之后，只需选择概率最高的类，就可以使用前向/后向概率或维特比概率轻松执行孤立单元识别。