潜马尔可夫因子模型的极大似然估计与检验开题报告

全文总字数：1477字

1. 研究目的与意义

潜马尔可夫模型（hmm）是20世纪60年代末-70年代初提出来的一种基于马尔可夫源或马尔可夫链概率函数的统计信号模型。

它是一种用参数表示的、用于描述随机过程统计特性的概率模型。

在hmm中观察到的事件与状态通过一组概率分布相联系，是一个双重随机过程。

2. 国内外研究现状分析

yamato 等人于1992 年首次将 hmm 引入到人的行为分析中，开始了行为分析的各种状态空间算法研究。

实验结果表明，hmm 建模能较好地对网球比赛中不同运动员的不同动作（正反手拦网，正反手击球，大力扣球，发球等）进行分类识别。

bregler 等人根据人体动力学系统中行为的层次性提出了一个综合性的网络来识别人的运动，实验表明，该分层hmm 能准确地识别出人正常行走和滑动行走等差别很小的行为。

3. 研究的基本内容与计划

研究内容、方法： 1.弄清楚潜马尔可夫模型的含义，并对含有因子模型的潜马尔可夫统计模型展开分析。

2.独立进行资料的收集、加工与整理，能综合运用所学的理论、知识和技能，进行必要的理论分析，建立模型解决实际问题。

研究方案与时间安排：1.熟悉数据背景；查阅文献；了解模型的特点。

4. 研究创新点

1.详细阐述HMM理论基础以及在现实生活中的实际应用。

2.尝试运用HMM来解决实际问题。