文摘

隐马尔可夫模型(HMM)已被证明是一个成功的范例为动态和空间流程建模在许多领域,如语音识别、基因组学、和通用序列比对。通常,在这些应用程序中,由领域专家预定义的模型结构。因此,嗯学习问题关注的学习模型的参数值,以适应给定的数据序列。等其他领域,然而,当一个人认为,经济学和生理学、模型结构捕获系统动态行为是不可用的。为了成功应用HMM方法在这些领域,重要的是,一种机制可用于自动推导的模型结构数据。摘要嗯学习过程,同时学习模型结构和嗯从数据的最大似然参数值。HMM模型结构推导基于贝叶斯模型选择方法。此外,我们引入一个新的初始化程序嗯参数值估计基于k - means聚类方法。实验结果与人工生成的数据显示了方法的有效性。