matlab贝叶斯隐马尔可夫hmm模型实现

 ̄綄美尐妖づ 提交于 2019-12-02 03:34:18

原文链接:http://tecdat.cn/?p=7973

 

贝叶斯隐马尔可夫模型是一种用于分割连续多变量数据的概率模型。该模型将数据解释为一系列隐藏状态生成。每个状态都是重尾分布的有限混合,具有特定于状态的混合比例和共享的位置/分散参数。

该模型中的所有参数都配备有共轭先验分布,并通过变化的贝叶斯(vB)推理算法学习,其本质上与期望最大化相似。该算法对异常值具有鲁棒性,并且可以接受缺失值。

 本文从未知的BRHMM生成一组数据序列 参数,并仅从这些数据中估算出 生成它们的模型。 结果绘制为 时间序列 

 

 设置状态,符号和特征的数量 

NumState=2;    NumSym=3;    NumFeat=5;

 设置序列数,每个序列点数和缺失值 

NumSeq=2;    NumPoint=100;    NumMiss=20;

 设置参数生成选项。TransParam=1/5 

EmissParam=1/5;    LocParam=2;    DispParam=5;

 设置采样选项 

NumDeg=5;    NumObs=1000;

 打印 和显示状态 

fprintf('\n')    fprintf('Sampling data ... ')

 生成用于采样的参数 

[Trans,Emiss,Loc,Disp]=GenParam(NumState,NumSym,NumFeat,...    TransParam,EmissParam,LocParam,DispParam);

 创建用于采样的模型 

Obj= bhnn(NumState,NumSym,NumFeat);    

 设置超参数 

Obj.TransWeight=Trans;    Obj.TransStren(:)=NumObs;    Obj.EmissWeight=Emiss;    Obj.EmissStren(:)=NumObs;    Obj.CompLoc=Loc;    Obj.CompScale(:)=NumObs;    Obj.CompDisp=Disp;    Obj.CompPrec(:)=max(NumObs,NumFeat);

 采样数据并随机删除值 

 更新状态 

fprintf('Done\n')    fprintf('Estimating model ... ')

 创建估计模型 

Obj=BHMM(NumState,NumSym,NumFeat);    

 约束过渡参数 

Obj.TransWeight=Trans;    Obj.TransStren(:)=NumObs;

 估计模型和状态概率 

 更新状态 

 

 绘制结果 

% 更新状态   fprintf('Done\n')    fprintf('\n')    end

  

 

如果您有任何疑问,请在下面发表评论。 

 

 

  

大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务

统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服

QQ:3025393450

 

​QQ交流群:186388004 

【服务场景】  

科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。

【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询

欢迎选修我们的R语言数据分析挖掘必知必会课程!

  

大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务

统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服

QQ:3025393450

 

​QQ交流群:186388004 

【服务场景】  

科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。

【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询

欢迎选修我们的R语言数据分析挖掘必知必会课程!

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!