machine-learning - 使用矩阵 (NxN) 观测值创建离散隐马尔可夫模型？

Question

在我见过的所有离散 HMM 中，观测数据都由整数流组成。然而，如果观察结果实际上是离散特征向量，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，每个观测值都由一个 nxn 矩阵来描述，而不是单个值？我该如何去做呢？

谢谢!

Answer 1

您可以使用离散的 Multinomial distribution为 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，其值在 0 到 255 之间，表示像素强度(灰度)。

当然，如果值是连续的( float )，则只需使用多元正态分布即可。