非齐次隐马尔可夫因子模型期望最大化算法

摘要：

潜变量模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性时具有重要作用。在实际应用中，观测数据往往呈现出时序变异、多峰、偏态等特性，因此将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型，并且为避免对完全数据的积分计算，将期望最大化（expectation-maximization，EM）算法引入到似然函数的计算上；采用Akaike信息准则和Bayes信息准则选择合适的模型，提出了相应的统计计算和检验方法，有效解决了隐马尔可夫模型中的最大估算似然函数问题；最后选择心理-健康数据进行了实验，实验结果表明该方法是有效的。

关键词：隐马尔可夫模型、潜变量模型、期望最大化(EM)、向前向后递推

分类号：TP18;O212.8(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.61306046;the Natural Science Foundation of Anhui Province of China under Grant Nos.070412061,10040606Q42

在线出版日期：2014-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：359-367