我正在试图找出是否有一种很好的方法将两个HMM合并为一个，当基础状态相同时，但观察结果并没有暂时联系。
我有两个独立的观察流来描述相同的隐藏状态空间。每个观察流的基本顺序保持不变，但它们不会同时发射。
例如，假设我有两个单独的扬声器的录音，大声朗读相同的文本段落，其中隐藏的状态空间成为文本中的字母，而来自每个音频的音素流构成观察空间。每个扬声器分别录制音频，并在阅读时使用不同的节奏。
我可以清楚地单独使用每个发言者对文本进行预测，并在事后尝试协调结果......但我感觉将观察流组合成单个HMM可能会产生更好的结果。
有没有人知道调和此方法的好方法？
答案 0 :(得分：1)
合并状态需要首先对齐这些流...即某种对数似然优化。 但是可以使用来自多个流的统计来预测“观察” - 现代数据压缩器基本上就是这样做的。 例如。见http://www.mattmahoney.net/dc/dce.html#Section_432
答案 1 :(得分：0)
我不确定是否有方法在将两个HMM分别安装到不同的观察序列后合并两个HMM。
但是存在一个algotihm来在多个独立观察序列上训练一个Markov模型。
例如在论文中就是这样 “隐藏马尔可夫模型和语音识别中选定应用程序的教程” 作者：Rabiner
不幸的是，我还没有找到此算法的实现。
以下是关于stackexchange的相应问题：https://stats.stackexchange.com/questions/53256/two-sequences-one-hmm