我试图使用一个隐藏的马尔可夫模型，但我有一个问题，我的观察是连续值的三元组（温度，湿度，其他） . 这意味着我不知道我可能的观察的确切数量，因为它们不是离散的 . 这就产生了我无法定义发射矩阵大小的问题 . 考虑离散值不是一种选择，因为在每个变量上使用必要的步骤，我得到了数百万种可能的观察组合 . 那么，HMM可以解决这个问题吗？实际上，每当我得到一个新观察结果时，发射矩阵的大小是否会发生变化？
我猜你很想念这个概念，没有发射矩阵，只有转移概率矩阵 . 它是不变的 . 关于你有3个未知连续rv的问题 . 与语音识别相比更容易，例如使用39 MFCC连续rv . 但在演讲中，假设39 rv（你的只有3）是正常独立的，不相同 . 因此，如果您坚持使用HMM，则不要更改发射矩阵 . 你的问题仍然可以解决 .
1 回答
我猜你很想念这个概念，没有发射矩阵，只有转移概率矩阵 . 它是不变的 . 关于你有3个未知连续rv的问题 . 与语音识别相比更容易，例如使用39 MFCC连续rv . 但在演讲中，假设39 rv（你的只有3）是正常独立的，不相同 . 因此，如果您坚持使用HMM，则不要更改发射矩阵 . 你的问题仍然可以解决 .