《表3 不同状态下的模型BIC准则值》
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。
图表编号 | XD00168261600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 张瑞、董庆兴 |
绘制单位 | 武汉大学信息资源研究中心、武汉大学信息资源研究中心、华中师范大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |