隐马尔可夫模型中的非离散观测

Question

考虑以下问题：

Issue in training hidden markov model and usage for classification

当我的输入数据（观察序列）是一个连续变量并且离散观察的数量是无限的时，如何使用 HMM？

是否可以将 HMM 用于此类连续数据？如果有，怎么做？

例如：考虑已发布问题中的以下代码：

Q = 3;    %# number of states (sun,rain,fog)
O = 2;    %# number of discrete observations (umbrella, no umbrella)

%# we start with a randomly initialized model
prior_hat = normalise(rand(Q,1));
A_hat = mk_stochastic(rand(Q,Q));
B_hat = mk_stochastic(rand(Q,O));  

%# learn from data by performing many iterations of EM
[LL,prior_hat,A_hat,B_hat] = dhmm_em(seqs, prior_hat, A_hat, B_hat, 'max_iter',50);

如果我的观察序列（上面代码中未定义的seqs）是一个连续变量，我该怎么办？

Answer 1

对于具有连续排放的 HMM 模型，Mathworks 团队基本上建议将状态的排放值离散化并估计离散模型 (http://www.mathworks.com/matlabcentral/answers/100850-how-can-i-use-continuous-sequence-values-with-hmmestimate-in-the-statistics-toolbox-7-1-r2009a)。