...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Unsupervised classification using hidden Markov chain with unknown noise copulas and margins
【24h】

Unsupervised classification using hidden Markov chain with unknown noise copulas and margins

机译：使用具有未知噪声关联和余量的隐马尔可夫链进行无监督分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We consider the problem of unsupervised classification of hidden Markov models (HMC) with dependent noise. Time is discrete, the hidden process takes its values in a finite set of classes, while the observed process is continuous. We adopt an extended HMC model in which the rich possibilities of different kinds of dependence in the noise are modelled via copulas. A general model identification algorithm, in which different noise margins and copulas corresponding to different classes are selected in given families and estimated in an automated way, from the sole observed process, is proposed. The interest of the whole procedure is shown via experiments on simulated data and on a real SAR image.
机译：我们考虑具有相关噪声的隐马尔可夫模型（HMC）的无监督分类问题。时间是离散的，隐藏过程将其值作为一组有限的类使用，而观察到的过程是连续的。我们采用扩展的HMC模型，其中通过copulas对噪声中各种依赖关系的丰富可能性进行建模。提出了一种通用的模型识别算法，在该算法中，从唯一观察到的过程中，在给定的族中选择不同的噪声容限和对应于不同类别的copulas，并以自动方式进行估算。通过在模拟数据和真实SAR图像上进行的实验表明了整个过程的趣味性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号