《表3 不同状态下的模型BIC准则值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LDA-HMM的知识流动模式发现研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

HMM模型是一个双重随机过程，一重是描述隐状态与观测值之间的对应关系，另一重是描述状态之间的转移关系。本文Baum-Welch算法的实现是利用Python的隐马尔科夫HMMLearn库实现，对表2中的样本数据进行训练，构建多维连续HMM模型。隐状态的确定是HMM模型中的重要问题，根据公式（2)BIC准则计算公式，输入不同隐状态数训练HMM并计算模型的BIC值，得到结果见表3。结果显示，当状态数为6时，BIC值达到最小为5125.72，因此根据“BIC值越小，模型越优”的原则，取知识流动隐状态数为6，模型适配度最好。