HSMM 即隱半馬爾可夫模型，又稱連續可變持續的HMM、分段模型，是一種能夠通過可觀測數據很好地描述真實空間統計特性的隨機模型。
基本介紹
- 中文名：隱半馬爾可夫模型
- 外文名：HSMM
- 又稱：連續可變持續的HMM
- 屬性：描述真實空間統計特性
簡介,數學描述,優點,
簡介
HSMM(hid-den sem-iMarkovmodels)是隱半馬爾可夫模型的縮寫，是HMM（隱馬爾可夫模型）的一種擴展模型。隱半馬爾可夫模型(HSMM)是考慮狀態駐留機率分布為顯式的一種HMM,是在已定義的隱馬爾可夫模型的結構上加入時間組成部分,克服了因馬爾可夫鏈的假設造成HMM建模所具有的局限性,在解決現實問題中HSMM提供更好的建模能力和分析能力，改進了模式分類能力,提高了模式分類的精度。與常規HMM中一個狀態只對應一個觀測值不同,HSMM中一個狀態對應一節(segment)觀測值。
數學描述
HSMM的特性是由以下參數描述的,初始狀態機率分布矢量( )、狀態轉移機率矩陣(A)、狀態駐留分布(D)、觀察值機率矩陣(B),因此可以記HSMM為
λ=( ，A，D，B)。
其中初始分布P與常規HMM相同,狀態轉移機率矩陣(A) ，與常規HMM基本相同,各狀態的觀察機率密度函式(對離散HMM來說是機率分布函式)B與常規HMM相同,D為每個巨觀狀態的狀態駐留最大時間,用機率值Pi(d)(i= 1,2,,,L)描述狀態駐留時間。
優點
與 HMM 相比，HSMM 具有兩大優點：
（1）HSMM 克服了因馬爾可夫鏈的假設造成 HMM 建模所具有的局限性。在解決現實問題中，HSMM 提供更好的建模能力和分析能力，因此，HSMM 改進了診斷能力，在故障診斷中具有更好的分類精度，提高了診斷的準確性；
（2）HSMM 可以直接進行預測。因此 HSMM 與HMM 相比，更適合於機械設備的狀態識別與故障預測，HSMM 已經成功套用到了對液壓泵、UH-60A 黑鷹直升機的傳動裝置的故障預測中。
