论文部分内容阅读
本研究提出并建立了针对连续型隐马尔可夫模型的状态分布系理论，这是对经典的隐马尔可夫理论做出的重要发展和完善，同时也对连续型隐马尔可夫模型的训练提出了新的改进方向：即在连续型隐马尔可夫模型训练过程中，有效地选择合理的状态空间分布系将极大提高模型拟合度，减少计算量和模型复杂度。研究首先通过蒙特卡罗实验模拟方法，讨论了状态空间分布系的选择对模型训练结果的影响，从而论证了建立状态分布系理论的必要性。之后对状态分布系理论做了基础性的概念规范和问题界定，并提出了混合状态分布系的概念。研究最后对完善后的连续型隐马尔可夫模型提出了两阶段估值方法，讨论了理论的推导和实现的算法，并通过蒙特卡罗模拟进行了探索性的验证。