用于递归序列数据的层次化半马尔可夫条件随机场
机器学习
2010-09-13 v1 人工智能
摘要
受层次化隐马尔可夫模型(HHMM)的启发,我们提出了层次化半马尔可夫条件随机场(HSCRF),这是对嵌入无向马尔可夫链的一种推广,用于建模复杂的层次化、嵌套马尔可夫过程。它在判别式框架下进行参数化,并具有用于学习和推理的多项式时间算法。重要的是,我们考虑了部分监督学习,并提出了用于广义部分监督学习和约束推理的算法。我们在两个应用中展示了HSCRF:(i)从室内监控摄像头识别日常生活活动(ADL),以及(ii)名词短语组块分析。我们表明,HSCRF能够在完全观测和部分观测数据情况下,以合理的精度学习丰富的层次化模型。
引用
@article{arxiv.1009.2009,
title = {Hierarchical Semi-Markov Conditional Random Fields for Recursive Sequential Data},
author = {Tran The Truyen and Dinh Q. Phung and Hung H. Bui and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1009.2009},
year = {2010}
}
备注
56 pages, short version presented at NIPS'08