matlab贝叶斯隐马尔可夫hmm模型实现

相关视频

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);