Rezaei Tabar V, Fathipor H, Pérez-Sánchez H, Eskandari F, Plewczynski D. Mixture of Forward-Directed and Backward-Directed Autoregressive Hidden Markov Models for Time Series Modeling. JIRSS. 2019; 18 (1) :89-112
URL:
http://jirss.irstat.ir/article-1-523-fa.html
دانشگاه علامه طباطبایی ، vhrezaei@gmail.com
چکیده: (2620 مشاهده)
مدلهای ماکوف پنهان ابزار بسیار مناسبی برای سریهای زمانی هستند. در مدلهای مارکوف پنهان وابستگی مستقسم بین مشاهدات لحاظ نمی شود و مشاهدات به شرط وضعیتهای پنهان از یکدیگر مستقل هستند. بنابراین از بسط این روشها به نام مدلهای مارکوف پنهان اتورگرسیو پیشرو استفاده می شود. اما مدلهای مارکوف پنهان اتورگرسیو پسرو نیز در داده های سری زمانی باید مورد بررسی قرار گیرد. در این مقاله آمیخته ای از مدلهای مارکوف پنهان اتورگرسیو پیشرو و پسرو در نظر گرفته شده و با استفاده از قواعد شبکه بیزی بسط داده می شود. کاربست این مدل آمیخته روی داده واقعی و شبیه سازی شده مورد بررسی قرار گرفته و نتایج نشان از قدرت بالای مدل نسبت به سایر مدلها است.
نوع مطالعه:
Original Paper |
موضوع مقاله:
60Jxx: Markov processes دریافت: 1397/3/1 | پذیرش: 1397/6/11 | انتشار: 1397/6/11
ارسال پیام به نویسنده مسئول