2_TimeSeries精选.ppt

粒子滤波算法（Particle filtering algorithm） 首先，根据0时刻的先验分布P(X0)进行采样得到N个样本构成的总体，然后对每一个时间步，重复下面的更新循环： 对每个样本，通过转移模型P(Xt+1|xt)，在给定样本的当前状态值xt条件下，对下一个状态值进行采样，使每个样本向前传播； 对每个样本，通过它赋予新证据的似然值P(et+1|xt+1)进行加权； 对总体样本进行重新采样N个样本，某个样本被选中的概率与其权值成正比，生成一个新的N样本总体。 雨伞例子 a) 传播 b) 权值 c) 重新采样 DBN特性 动态贝叶斯网络通过网络拓扑结构反映变量间的概率依存关系及其随时间变化的情况: 其不但能够对变量所对应的不同特征之间的依存关系进行概率建模, 而且对特征之间的时序关系也能很好地加以反映, 适合于对音视频(同时具有特征相关性和时序相关性的复杂特征进行联合建模)。 DBN特性 动态贝叶斯网络还可任意改变拓扑结构或增删变量以反映变量间各种不同的关联关系,而不影响训练算法本身,因此具有很好的可扩展性和灵活性; 动态贝叶斯网络还具有良好的可解释性,其拓扑结构具有精确及易于理解的概率语义。 DBN应用 Zweig 首先将DBN 应用于孤立词语音识别