非齐次隐马尔可夫因子模型期望最大化算法

潜变量模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性时具有重要作用。在实际应用中,观测数据往往呈现出时序变异、多峰、偏态等特性,因此将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,并且为避免对完全数据的积分计算,将期望最大化(expectation-maximization,EM)算法引入到似然函数的计算上;采用Akaike信息准则和Bayes信息准则选择合适的模型,提出了相应的统计计算和检验方法,有效解决了隐马尔可夫模型中的最大估算似然函数问题;最后选择心理-健康数据进行了实验,实验结果表明该方法是有效的。

带有非齐次结构动力因子模型的估计与检验

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.

基于多元t-分布的隐马尔可夫潜变量模型的稳健推断

潜变量模型在刻画因子间的相互关系以及因子与观测变量间的关联性方面具有重要作用.在实际应用中,观测数据往往呈现出重尾和极端值等特性.将经典的潜变量模型延伸到齐次隐马尔可夫模型,并建立了基于多元t-分布的极大似然统计分析程序.经验结果展示所建立的统计程序对消除异常点的影响是有效的.