隱藏馬爾可夫模型的下一個狀態只取決於前一個狀態？前n個州呢？

Question

我正在研究原型框架。

基本上我需要基於一些關於他的傳感器數據，每一個人的生活方式模型或配置文件/她，如GPS，運動，心臟率，周圍環境讀數，溫度等

該模型或簡介是個人生活方式模式的知識表示。也許是一個概率圖。

我想使用隱馬爾可夫模型來實現這一點。由於HMM中的狀態可以是工作，睡眠，休閒，運動等。觀察可以是一組各種傳感器數據。

我對HMM的理解是，下一個狀態S（t）只取決於前一個狀態S（t-1）。但實際上，一個人的活動可能取決於以前的n個州。使用HMM是一個好主意嗎？或者我應該使用其他一些更合適的模型？我看過一些關於馬爾可夫鏈的二階和多階的工作，它是否也適用於HMM？

我真的很感謝你能否給我一個詳細的解釋。

謝謝！

Answer 1

你在說什麼是一階HMM，其中你的模型只知道以前的歷史狀態。在一個Order-n Markov模型的情況下，下一個狀態將依賴於之前的'n'個狀態，可能這就是你正在尋找的權利？

你說得對，就簡單的HMM而言，下一個狀態只依賴於當前狀態。然而，也可以通過定義轉換概率來實現第m階HMM，如in this link所示。但是，隨着順序的增加，矩陣的整體複雜性以及您的模型也會隨之增加，所以如果您面臨挑戰並願意付出必要的努力，那麼這真的是最重要的。