用于波形建模的随机效应分段隐马尔可夫模型
Seyoung Kim,Padhraic Smyth; 7(33):945−969, 2006.
摘要
本文提出了一个通用的概率框架波形数据的基于形状的建模和分类。A类分段隐马尔可夫模型(HMM)用于表征波形形状和形状变化通过添加随机对分段模型的影响。由此产生的概率框架为学习波形模型提供了基础数据以及新波形的解析和识别。导出了期望最大化(EM)算法研究如何根据数据拟合此类模型。特别是“期望条件最大化”(ECME)算法是显示出比标准收敛速度快得多EM程序。两个真实世界数据集的实验结果证明所提出的方法提高了精度与备选方案相比,在分类和分割方面例如欧几里德距离匹配、动态时间扭曲和无随机效应的分段HMM。
[腹肌]
[pdf格式][围兜]