假设您想要预测下次该船将作为概率访问的时间。 您开始在船周期的任意位置进行观测。 当您进行观察时,您只能记录船只是否可见(假设它是船上始终可见的周期中的正确点)。 在这个世界上,船的周期长度也是未知的但是周期性的,并且船访问持续时间是未知的,但总是比周期长度更小的小于。同样假设周期是可能不会改变的固定自然现象。用于检测未知周期中的位置的算法(时间序列)
案例1.观察的第一个小时你没有看到一条船。因此预计在下一个小时内有船的可能性将是任意的。第二个小时,我们观察一条船,我们预测3小时的概率很高。小时4我们没有观察船,我们现在可以确定船通常可以观察2小时(第2小时和第3小时)。我们继续进行观察,7小时后船再次可见。只有在这一点上,我们才知道船的周期长度(5小时)和船可观察的持续时间(2小时)。
案例2.第一小时的观察,你看到一条船。预计下一小时的概率很高。在第四小时,你没有观察到船只。此时船可见度至少为3小时。我们在5小时,6小时,7小时,8小时再次观察船,9小时没有船。只有在小时9之后,我们可以安全地说周期为5小时,能见度为4小时。
案例3.第一个小时,你看到一条船。你去睡3个小时。在第5小时,你看不到一条船。你去睡3个小时。在第9小时,你会看到一条船。 10,11,12几小时看到一艘船的概率是多少?
我可以用什么算法来解决这个问题?我在想一个隐藏的马尔可夫模型可能会工作,因为有一个潜在的现象,但它不是直接可观察的。但在这种情况下,现象并不完全清楚。在我的具体情况下,我可以用平均周期长度初始化算法。创建这种算法的真正动机是观察结果之间的差距很小。这个程序在训练阶段是最有价值的,因为如果周期长度和我们在周期中的位置是已知的,事情就会变得微不足道。
下面大致有什么可以输出给定的0,1,2和3个连续观测(X意味着看到小船的观察,O表示无舟),使用的小时的平均历史周期长度,船的持续时间为小时。仔细观察图表,你会注意到在船只可能返回的地方,可能性增加了。
期间是一个整数吗?也就是说,模式重复完美吗? – Beta 2012-07-13 11:23:46
看来你想估计伯努利定律的参数;或不? – Bentoy13 2012-07-13 11:23:55
@贝塔假设这是。该模式完美重复,但在算法开始时是未知的。当然,如果我们用概率工作,我们可以解释异常值。如果我们使用HMM,我们可以通过学习来更新内部权重,以解释现象本身行为的逐渐变化。 – 2012-07-13 11:54:00