使用矩阵（NxN）观察创建离散隐马尔可夫模型？

Posted 2023-02-19

【中文标题】使用矩阵（NxN）观察创建离散隐马尔可夫模型？

【英文标题】：Create discrete Hidden Markov Model with matrix (NxN) observations?

【发布时间】：2012-07-25 13:20:42

【问题描述】：

在我见过的所有离散 HMM 中，观察数据都由整数流组成。但是，如果观察结果实际上是离散的特征向量，会发生什么？例如，如果我尝试使用 HMM 来学习视频帧灰度强度值的手势识别，该怎么办？也就是说，每个观察都由一个 nxn 矩阵描述，而不是单个值？我该怎么做？

谢谢！

【参考方案1】：

您可以将离散的Multinomial distribution 用于 HMM 的发射分量。例如，每个状态都会发出一个长度为 n*n 的整数数组，其值介于 0 到 255 之间，表示像素强度（灰度）。

当然，如果值是连续的（浮点数），只需使用多元正态分布。

【参考方案2】：

根据您要使用的库，ObservationVectors 可能会很好用。您可以将矩阵展平为 n² 维向量，并使用经过验证的数据训练模型。然后，您就可以从一系列矢量观察中检测到任何手势。

【讨论】：

感谢您的回复！你知道任何支持观察向量的库吗？