文件名称：hmm模型matlab代码-Relative-HMM:该存储库包含用于评估运动技能的相对HMM的代码
文件大小：37KB
文件格式：ZIP
更新时间：2024-06-16 17:14:48
系统开源
hmm模型matlab代码相对HMM 该存储库保存了张强的代码； 李保新，“用于评估运动技能的相对隐马尔可夫模型”，计算机视觉和模式识别（CVPR），2013年IEEE会议，卷，第548,555页，2013年6月23日至28日 摘要：本文涉及一个新问题：仅使用相关信息学习时间模型。 在涉及运动或视频数据的许多应用中自然会出现这样的问题。 本文的重点是基于视频的外科培训，其中一项关键任务是根据捕获其运动的视频对受训者的表现进行评估。 与依靠高级外科医师的评级的常规方法相比，由于其潜在的较低成本，更好的客观性和实时可用性，因此需要一种自动解决此问题的方法。 为此，我们提出了一种称为相对隐马尔可夫模型的新公式，并开发了一种在该模型下获得解的算法。 所提出的方法仅利用成对的输入之间的相对排名（基于感兴趣的属性），这相对容易获得并且通常更一致，尤其是对于所选的应用领域。 所提出的算法从训练数据中有效地学习了一个模型，从而使所考虑的属性与学习到的模型下的输入的可能性相关联。 因此，该模型可用于比较新序列。 首先使用合成数据来系统地评估模型和算法，然后使用来自外科培训系统的真实数据进行实验。 实验结
【文件预览】：
Relative-HMM-master
----demo_simulation.m(11KB)
----update_model.m(2KB)
----README.md(3KB)
----viterbi_path.mexw64(9KB)
----demo_surgical.m(1KB)
----demo_hospital.m(10KB)
----demo_transfer.m(3KB)
----demo_pair.m(5KB)
----viterbi_path.cpp(3KB)
----compute_gamma.m(545B)
----smooth_state.m(614B)
----demo_student.m(9KB)
----count_state.m(830B)
----backward_message.m(431B)
----recover_cluster.m(797B)
----relative_hmm.m(4KB)
----relative_hmm_alm.m(13KB)
----emission_multinomial.m(566B)
----relative_hmm_ip.m(12KB)
----compute_gamma_obs.m(563B)
----get_accent_data.m(932B)
----forward_message.m(527B)
----relative_hmm_base.m(11KB)
----compute_epsilon.m(840B)
----train_hmm.m(1KB)
----formulate_problem.m(3KB)