背景
我有一个多变量数据集，比如M x N，其中M是变量数，N是样本数。现在，M个变量之间的依赖关系模式在N个样本中发生变化，即依赖关系的模式是非平稳的。
问题
我想使用＆＃39;离散＆＃39; Markov模型用于表征样本之间依赖关系模式的这种变化。实现此目的的一种方法是通过估计每个样品的依赖性模式并使用例如 k - 意味着聚类以将这些模式分组为少量符号。然后，我可以用Markov建模来估计符号之间的转移概率。
我的问题是：我可以在单个统一模型中完成上述所有操作，即将马尔可夫模型与估计依赖关系模式相结合并将它们聚类为少量符号的模型。如果是这样，这不会优于上面列出的顺序方法吗？
欢迎任何建议/想法/想法！