基于HMM轨迹识别matlab简单说明



基于HMM隐马尔科夫模型 轨迹识别

字母20个	a	b	c	d	e	g	h	k	l	m
识别个数	19	11	19	18	20	20	19	20	13	16
字母20个	n	o	p	q	r	s	v	w	y	z
识别个数	14	8	10	20	16	20	18	20	5	20

总计正确识别326。概率为325/400=81.5%


Matlab代码简单说明。

rand('state',0);

statenum=2;%状态数 可以变，状态数不一样 识别性能会些许改变

trans=rand(statenum);

sumTrans=sum(trans,2);

Temp=inv(diag(sumTrans));

trans=(trans'*Temp)';%状态转移矩阵

observationnum=12;%观察状态数

emis = ones(statenum,observationnum)*(1/observationnum);%混合矩阵

[estTrain,estEmis] = hmmtrain(Trseq,trans,emis);%训练

Trseq为某一类型轨迹训练样本集，每一条轨迹的点数可能不一样。

故Trseq为一个cell结构。

比如说：

Trseq={[3 3 3 4 5 4 5 5 6 6 7 7 8 8 8 9 10 10 11 12 1 2 23 3 3 3 5 8 8 9 10 10 10 11 11 12 12 1 1]

[4 5 5 5 6 6 7 8 8 9 9 10 11 12 1 2 2 3 3 3 3 7 9 9 10 10 11 12 12 1 1 2 3]

[4 5 6 6 7 7 8 8 9 10 10 11 1 2 2 3 3 3 3 1 9 9 10 10 11 12 12 1 1 3]

[4 5 5 6 6 7 7 8 9 9 10 11 12 2 3 3 3 3 3 10 9 9 10 10 11 12 12 1 2]

[4 4 4 5 5 6 6 7 8 8 9 9 10 10 12 1 2 3 3 3 3 3 4 10 9 9 10 10 10 11 12 12 1 1]

[4 4 5 5 6 7 7 8 8 9 9 10 11 12 1 2 3 3 3 3 3 4 1 8 9 9 10 10 11 11 12 1 1 2]

[4 4 4 5 5 6 6 7 8 8 9 9 10 10 11 1 2 2 3 3 3 3 3 1 8 9 10 10 11 11 12 12 1 12]

[3 4 4 4 5 5 6 7 7 8 9 9 10 10 11 12 1 2 3 3 3 3 3 4 9 9 10 10 10 11 12 12 1 12]

[2 4 4 4 4 4 5 6 7 7 8 9 9 10 10 11 1 2 2 3 3 3 3 4 8 9 10 10 11 12 12 1 1 2]}

estTrain,estEmis分别指 训练得到的状态转移矩阵，混合转移矩阵（状态到观察值转移矩阵）

[~,logPro]= hmmdecode(Ttest,estTrain,estEmis);%测试

Ttest为一条即将要识别的类型，或者测试的轨迹编码，比如说

Ttest=[3 4 4 4 4 4 5 6 7 8 8 9 9 10 10 11 12 1 2 3 3 3 32 8 10 10 10 11 11 12 1 2]；

通过hmmdecode计算之后得到logPro。

不同的训练样本集，训练得出不同的HMM

给定的一条轨迹编码，带入不同的HMM，得到相应的logPro，选择tlog最大的值对应的HMM类型即为该类型的轨迹模式。