证据前馈隐马尔可夫模型：一种新型隐马尔可夫模型

仅基于视觉动作预测他人意图的能力是人类和动物才具备的技能。当前计算机算法的智能尚未达到这种复杂程度，但已有若干研究工作正朝着这个方向努力。在众多可用的分类算法中，很难确定哪种算法最适合特定情况。在视觉人类意图数据的分类中，隐马尔可夫模型(HMM)及其变体是主要的候选方法。HMM无法提供观测值之间关联的概率，这是该分类技术的一大缺陷。当一个人通过视觉识别另一个人的动作时，他们会监测观测值中的模式。通过估计下一个观测值，人们能够总结动作，从而以相当高的准确度确定执行动作的人的意图。这些视觉线索和关联对于创建基于视觉观测确定人类行为的智能算法至关重要。证据前馈隐马尔可夫模型是一种新开发的算法，它提供了观测值之间的关联。以下研究阐述了证据前馈HMM背后的理论，提供了学习这些参数以优化证据前馈HMM观测值似然性的数学证明（这对所有计算智能算法都至关重要），并给出了与标准HMM在视觉动作数据和测量数据分类中的比较示例；从而为证据前馈HMM在多种问题分类中的应用奠定了坚实基础。