搜索资源列表
activity-recognition--based-on-hmm
- 一种HMM可以呈现为最简单的动态贝叶斯网络。隐马尔可夫模型背后的数学是由LEBaum和他的同事开发的。它与早期由RuslanL.Stratonovich提出的最优非线性滤波问题息息相关,他是第一个提出前后过程这个概念的。 在简单的马尔可夫模型(如马尔可夫链),所述状态是直接可见的观察者,因此状态转移概率是唯一的参数。在隐马尔可夫模型中,状态是不直接可见的,但输出依赖于该状态下,是可见的。每个状态通过可能的输出记号有了可能的概率分布。因此,通过一个HMM产生标记序列提供了有关状态的一些序
ting_ic42
- 采用加权网络中节点强度和权重都是幂率分布的模型,用于信号特征提取、信号消噪,LZ复杂度反映的是一个时间序列中。- Using weighted model nodes in the network strength and weight are power law distribution, For feature extraction, signal de-noising, LZ complexity is reflected in a time sequence.