隐藏马尔可夫模型的下一个状态只取决于前一个状态？前n个州呢？

Question

我正在研究原型框架。

基本上我需要基于一些关于他的传感器数据，每一个人的生活方式模型或配置文件/她，如GPS，运动，心脏率，周围环境读数，温度等

该模型或简介是个人生活方式模式的知识表示。也许是一个概率图。

我想使用隐马尔可夫模型来实现这一点。由于HMM中的状态可以是工作，睡眠，休闲，运动等。观察可以是一组各种传感器数据。

我对HMM的理解是，下一个状态S（t）只取决于前一个状态S（t-1）。但实际上，一个人的活动可能取决于以前的n个州。使用HMM是一个好主意吗？或者我应该使用其他一些更合适的模型？我看过一些关于马尔可夫链的二阶和多阶的工作，它是否也适用于HMM？

我真的很感谢你能否给我一个详细的解释。

谢谢！

Answer 1

你在说什么是一阶HMM，其中你的模型只知道以前的历史状态。在一个Order-n Markov模型的情况下，下一个状态将依赖于之前的'n'个状态，可能这就是你正在寻找的权利？

你说得对，就简单的HMM而言，下一个状态只依赖于当前状态。然而，也可以通过定义转换概率来实现第m阶HMM，如in this link所示。但是，随着顺序的增加，矩阵的整体复杂性以及您的模型也会随之增加，所以如果您面临挑战并愿意付出必要的努力，那么这真的是最重要的。