部分状态可见的隐马尔可夫模型状态序列的估计方法

被引:6
|
作者
楼振凯 [1 ]
侯福均 [1 ]
楼旭明 [2 ]
机构
[1] 北京理工大学管理与经济学院
[2] 西安邮电大学经济管理学院
关键词
部分状态可见; 贝叶斯分析; 动态规划; 状态估计; 最可能路径;
D O I
10.19343/j.cnki.11-1302/c.2019.06.009
中图分类号
O211.62 [马尔可夫过程];
学科分类号
020208 ; 070103 ; 0714 ;
摘要
本文考虑了部分状态可见的隐马尔可夫模型的状态序列估计问题,在分析了现有算法无法合理估计状态路径之后,以状态转移概率、观测概率和可见状态作为先验信息,通过贝叶斯分析计算可见状态前后向状态的后验概率,并给出初始条件和递推公式,运用动态规划递推得到每个观测值对应的最可能状态以及最可能的状态路径。最后,本文给出一个系统故障识别的应用例子,验证了所设计算法的可行性。
引用
收藏
页码:107 / 114
页数:8
相关论文
共 7 条
  • [1] 人类交互行为的隐马尔可夫模型[J]. 覃龙,高琳,张权,王逸飞,魏玉会,闫相国. 生物医学工程学杂志. 2019(01)
  • [2] 隐状态个数未知的隐马尔可夫多元正态分布的贝叶斯推断
    刘鹤飞
    王坤
    蒋成飞
    [J]. 统计研究, 2017, 34 (12) : 119 - 125
  • [3] 基于隐马尔可夫模型的空战决策点理论研究
    冯超
    景小宁
    李秋妮
    姚鹏
    [J]. 北京航空航天大学学报, 2017, (03) : 615 - 626
  • [4] 基于隐马尔可夫模型的array-CGH数据贝叶斯分析
    万稚慧
    刘金山
    [J]. 系统工程理论与实践, 2016, 36 (03) : 684 - 693
  • [5] Detection and diagnosis of bearing and cutting tool faults using hidden Markov models
    Boutros, Tony
    Liang, Ming
    [J]. MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2011, 25 (06) : 2102 - 2124
  • [6] The adjusted Viterbi training for hidden Markov models
    Lember, Jueri
    Koloydenko, Alexey
    [J]. BERNOULLI, 2008, 14 (01) : 180 - 206
  • [7] Bayesian Methods for Hidden Markov Models[J] . Steven L Scott. Journal of the American Statistical Association . 2002 (457)