贝叶斯稀疏向量自回归切换模型及其在人类手势阶段分割中的应用
摘要：在多变量非平稳时间序列中，我们提出了一种稀疏向量自回归（VAR）隐藏Semi-Markov模型（HSMM）来建模时间和同步的（例如空间）依赖关系。HSMM的通用状态分布嵌入在一个特殊的转换矩阵结构中，便于高效地评估似然函数和任意逼近精度。为了促进VAR系数的稀疏性，我们采用了$l\_1$球投影先验，它在每个切换状态中实现了变量选择，并将可微性与获得精确的零概率相结合。这也有助于通过Hamiltonian Monte Carlo（HMC）进行后验估计。我们进一步对HSMM dwell分布的参数放置非局部先验，以提高贝叶斯模型选择区分数据是更好支持简单的隐藏Markov模型（HMM），还是更灵活的HSMM的能力。我们提出的方法通过基于传感器数据的人体手势分段应用进行说明，成功地识别和描述了休息和活跃手势期间，以及与每个状态相关的手势运动的动态模式。
作者：Beniamino Hadj-Amar, Jack Jewson and Marina Vannucci
论文ID：2302.05347
分类：Applications
分类简称：stat.AP
提交时间：2023-02-13