machine-learning - 分类 HMM 陀螺仪数据 Jahmm 无法学习模型

Question

我正在使用来自 Android 可穿戴设备的加速度计和陀螺仪的传感器数据来训练在 JaHMM 中实现的 HMM。

使用加速度计数据训练的 HMM 输出精细的学习状态，并且具有某种程度上可接受的错误率。

两个 HMM 的初始化如下:

    Hmm<ObservationVector> hmm = new Hmm<>(2, new OpdfMultiGaussianFactory(3));

    hmm.setPi(0, 0.5);
    hmm.setPi(1, 0.5);

    hmm.setOpdf(0, new OpdfMultiGaussian(
            new double[]{0,0,0},
            new double[][] {{0.1,0,0},
                            {0,0.1,0},
                            {0,0,0.1}
            }));
    hmm.setOpdf(1, new OpdfMultiGaussian(
            new double[]{0,0,0},
            new double[][] {{0.1,0,0},
                            {0,0.1,0},
                            {0,0,0.1}
                            }));


    hmm.setAij(0, 0, 0.5);
    hmm.setAij(0, 1, 0.5);

    hmm.setAij(1, 0, 0.5);
    hmm.setAij(1, 1, 0.5);

使用加速度计数据训练的 HMM 的输出:

HMM with 2 state(s)

State 0 Pi: 0.5000000000000188 Aij: 0.5 0.5 Opdf: Multi-variate Gaussian distribution --- Mean: [ 0.036 -0.051 0.075 ]

State 1 Pi: 0.5000000000000188 Aij: 0.5 0.5 Opdf: Multi-variate Gaussian distribution --- Mean: [ 0.036 -0.051 0.075 ]

但是，无论我尝试了多少次训练迭代(500 次迭代)，使用陀螺仪数据训练的 HMM 似乎都无法了解 HMM 的状态。例如学习到的状态概率只是 NaN

使用陀螺仪数据训练的 HMM 的输出:

HMM with 2 state(s)

State 0 Pi: NaN Aij: ? ? Opdf: Multi-variate Gaussian distribution --- Mean: [ ? ? ? ]

State 1 Pi: NaN Aij: ? ? Opdf: Multi-variate Gaussian distribution --- Mean: [ ? ? ? ]

造成这种行为的原因是什么？在数据可用于 HMM 之前，我是否需要执行预处理或标准化步骤？ HMM 中的状态数量是否不足？我尝试了五个状态，但得到了相同的结果。

可以在此处查看加速度计训练文件的片段: https://gist.github.com/Gudui/91d2c6b2452f1ea6a5c925b1eed9b40c

可以在此处查看陀螺仪训练文件的片段: https://gist.github.com/Gudui/987cc1c1a7c0311a03988b818e7cbbcb

对于这两个训练文件，每一行代表一个训练序列。

该库可在此处获取:https://github.com/tanjiti/jahmm

提前致谢!

Answer 1

详细阐述我的评论，我建议:

1. 使用高斯 pdf 的随机初始化，即不是将均值向量初始化为 [0,0,0]，并将协方差矩阵初始化为单位矩阵的 0.1 倍，就像您现在所做的那样，根据您的数据使用一些随机值或一些经验平均值和协方差。
2. 美白您的数据，即确保每个坐标的均值和单位方差为零(甚至使用 PCA 使坐标不相关。