庄 玉,何振峰

(福州大学 数学与计算机科学学院,福州 350108)

基于约束HMM的变点检测算法①

庄 玉,何振峰

(福州大学 数学与计算机科学学院,福州 350108)

时间序列的变点分析在现今社会各个领域中都有着广泛的应用.针对时间序列进行变点分析中要求变点状态需要连续持续一定的时间的应用背景,提出了一种结合状态最短连续长度约束的隐马尔可夫模型.给出了约束Baum-Welch训练算法和约束Viterbi状态提取算法.应用在仿真数据和GNP数据集的实验表明,结合状态最短连续长度约束的HMM相比于一般HMM在时间序列变点检测中效率较高.

变点检测;约束隐马尔可夫模型;时间序列分割

时间序列是随时间次序而变化的一系列数据,是一类多维的复杂类型数据[1].当所观察的时间序列跨越时间越长时,形成的时间序列的随机变量会由于某种条件的变化,从某时间点开始不再服从原来的分布,即出现了变点.随着变点问题应用的愈加广泛,在一些文献中有许多同义词,包括了结构断点[2],时间序列分割[3],和检测“异常点”[4].

时间序列的变点检测方法可以很好的用HMM来建模,其中时间序列数据就是HMM中的输出符号,可以通过时间序列数据来检测所处的状态,判断是否出现变点.一般的HMM对隐状态链没有任何限制,即在隐状态链中可以自由的从一个状态转移到其他任何一个状态.这样的HMM称为无约束HMM.在实际工作中,需要解决的问题一般有领域背景.希望训练出的HMM符合……