【摘要】：本文研究隱狀態(tài)個(gè)數(shù)未知且觀測變量為多維數(shù)據(jù)的隱馬爾可夫模型。首先利用可逆跳躍MCMC算法對隱狀態(tài)個(gè)數(shù)進(jìn)行模型選擇。確定隱狀態(tài)個(gè)數(shù)后,再利用傳統(tǒng)的MCMC算法對模型的參數(shù)進(jìn)行貝葉斯估計(jì)。在使用可逆跳躍MCMC算法時(shí),要求對模型的參數(shù)進(jìn)行分解和合并,本文對此有兩點(diǎn)理論貢獻(xiàn):一是改進(jìn)了隱狀態(tài)轉(zhuǎn)移概率矩陣的分解和合并方式,提高了分解過程接受的概率,加快了迭代收斂的速度;二是提出了一種協(xié)方差矩陣分解和合并的方法,在滿足可逆跳躍MCMC算法基本要求的基礎(chǔ)上,還滿足協(xié)方差矩陣必須正定這一特殊要求。
[Abstract]:In this paper, the hidden Markov model with unknown number of hidden states and multidimensional observation variables is studied. Firstly, the reversible jump MCMC algorithm is used to select the number of hidden states. After determining the number of hidden states, the traditional MCMC algorithm is used to estimate the parameters of the model. When using reversible jump MCMC algorithm, it is necessary to decompose and merge the parameters of the model. This paper has two theoretical contributions to this: one is to improve the decomposition and merging mode of hidden state transition probability matrix, to increase the probability of acceptance of decomposition process, and to accelerate the speed of iterative convergence; Secondly, a method of covariance matrix decomposition and merging is proposed. On the basis of meeting the basic requirements of reversible jump MCMC algorithm, it also meets the special requirement that covariance matrix must be positive.
【作者單位】： 曲靖師范學(xué)院;西南大學(xué);
【基金】：云南省教育廳科研項(xiàng)目“基于時(shí)間序列的證券交易套利理論研究”(2015C087Y)資助
【分類號(hào)】：O212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李容華;關(guān)于貝葉斯推斷中的計(jì)算問題[J];經(jīng)濟(jì)數(shù)學(xué);1995年02期

2 朱慧明,劉智偉;時(shí)間序列向量自回歸模型的貝葉斯推斷理論[J];統(tǒng)計(jì)與決策;2004年01期

3 盧晶穎;辛濤;;應(yīng)用貝葉斯推斷診斷屬性掌握模式方法的改進(jìn)[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

4 張世英,朱輝,張喜彬;協(xié)整系統(tǒng)的貝葉斯推斷[J];系統(tǒng)工程學(xué)報(bào);1997年03期

5 張孝令，，葛顏祥，張承進(jìn);貝葉斯預(yù)測與鮑克斯──詹金斯預(yù)測比較[J];山東礦業(yè)學(xué)院學(xué)報(bào);1994年03期

6 張志杰,祖靜;動(dòng)態(tài)測試中單次性信號(hào)測試數(shù)據(jù)的貝葉斯推斷[J];測試技術(shù)學(xué)報(bào);1996年03期

7 盛明訓(xùn);隨機(jī)型時(shí)間序列預(yù)測中的貝葉斯推斷[J];淮南師專學(xué)報(bào);1997年01期

8 吳會(huì)江,劉立新;參數(shù)估計(jì)的損失與風(fēng)險(xiǎn)的貝葉斯推斷[J];吉林商業(yè)高等�？茖W(xué)校學(xué)報(bào);2005年01期

9 朱新玲;黎鵬;;貝葉斯推斷在抽樣審計(jì)中的應(yīng)用研究[J];統(tǒng)計(jì)教育;2005年12期

10 張世英,朱輝;季節(jié)協(xié)整系統(tǒng)的貝葉斯推斷[J];系統(tǒng)工程學(xué)報(bào);1998年04期

相關(guān)博士學(xué)位論文 前1條

1 朱慧明;現(xiàn)代經(jīng)濟(jì)管理中的線性貝葉斯推斷理論與多總體貝葉斯分類識(shí)別方法研究[D];南京理工大學(xué);2003年

相關(guān)碩士學(xué)位論文 前5條

1 尹夢田;基于單參數(shù)指數(shù)族的貝葉斯推斷[D];蘇州大學(xué);2015年

2 李遠(yuǎn)林;基于連續(xù)隱馬爾可夫的蘭州PM_（10）污染提前24小時(shí)預(yù)測研究[D];蘭州大學(xué);2016年

3 高恒嵩;二項(xiàng)分布貝葉斯推斷及其應(yīng)用[D];吉林大學(xué);2008年

4 劉曉君;正態(tài)倒Gamma隨機(jī)前沿模型的貝葉斯推斷[D];內(nèi)蒙古大學(xué);2014年

5 王釩霖;基于用戶分類的隱馬爾可夫WEB預(yù)取模型及應(yīng)用研究[D];西安理工大學(xué);2017年

本文編號(hào)：2520696