隐马尔可夫模型下一状态只依赖于前一个状态？ 什么以前的n种状态？(Hidden markov m

我工作的一个原型框架。

基本上我需要基于对他/她的一些传感器数据，如GPS，运动，心脏率，周围环境读数，温度等，为每个人的生活方式的模型或轮廓

该模型或配置文件是一个人的生活模式的知识表示。 也许有概率的曲线图。

我想用隐马尔可夫模型来实现这一点。 如HMM的状态可以是工作，在睡觉，休闲，运动等的观察可以是一组各种传感器的数据。

我的HMM的理解是，下一个状态S（t）为只依赖于前一个状态S（T-1）。 然而在现实中，一个人的活动可能依赖于以前的n种状态。 难道还要用HMM是一个好主意？ 或者我应该使用一些其他更合适的车型？ 我看到的第二顺序和Markov链的多个订单，它也适用HMM一些工作？

我很感激，如果你能给我一个详细的解释。

谢谢！！

Answer 1:

你所谈论的是一阶HMM在模型只会有以前的历史状态的知识。 在N阶马尔可夫模型的情况下，下一个状态将是依赖于前一个“N”国，可这是你在找什么吗？

你是正确的，只要简单的HMM模型都认为，下一个状态只取决于当前状态。 然而，也有可能通过限定如图所示的转移概率，实现了第M级HMM 在此链接 。 然而，随着订单的增加，所以确实你的矩阵，因此模型的整体复杂性，所以真的高达你，如果你准备好迎接挑战，并愿意投入必要的精力。

文章来源: Hidden markov model next state only depends on previous one state? What about previous n states?