Я пытаюсь реализовать сопоставление карт, используя скрытые марковские модели в Python.
В статье, на которой я основываю свой первоначальный подход , определены уравнения, которые генерируют их вероятности перехода и излучения для каждого состояния. Эти вероятности являются уникальными как для состояния, так и для измерения.
Я пытаюсь использовать каркасы Python HMM, такие как hmmlearn , чтобы эмулировать свои выводы, но все библиотеки, на которые я смотрел, позволяют вам только определить исходную матрицу выбросов и переходов с возможностью обучения это (и я не думаю, что мне нужно тренировать это, если у меня есть уравнения, определяющие матрицы).
Я смотрю на использование GaussianHMM в hmmlearn, потому что мои излучения гауссовы, но я не могу определить начальную ковариацию и среднюю матрицу, потому что у каждого излучения есть свое собственное распределение (см. Уравнение 1 из статьи).
Кроме того, каждая из вероятностей перехода зависит от выбросов (см. Уравнение 2), поэтому они также не могут быть постоянными.
Спасибо за помощь!