我正在研究原型框架。
基本上我需要根据他/她的一些传感器数据为每个人的生活方式生成模型或个人资料，例如GPS，运动，心率，周围环境读数，温度等。
建议的模型或简介是个人生活方式模式的知识表示。也许是一个有概率的图表。
我正在考虑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）仅取决于先前的一个状态S（t-1）。但实际上，一个人的活动可能取决于之前的n个州。使用HMM仍然是个好主意吗？或者我应该使用其他更合适的模型？我已经看到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？
如果你能给我一个详细的解释，我真的很感激。
谢谢！
答案 0 :(得分：1)
您所说的是一级HMM，您的模型只能知道之前的历史状态。在Order-n马尔可夫模型的情况下，下一个状态将取决于之前的'n'状态，这可能是你正在寻找的那个吗？
你是对的，就简单的HMM而言，下一个状态仅取决于当前的状态。但是，也可以通过定义in this link所示的转移概率来实现第m个订单HMM。但是，随着订单的增加，您的矩阵的整体复杂性以及您的模型也会增加，所以如果您接受挑战并愿意付出必要的努力，那么这真的很重要。