基于 Beta 过程的多时间序列联合建模及其在动作捕捉分割中的应用
统计方法学
2014-11-14 v3 机器学习
摘要
我们提出了一种贝叶斯非参数方法，用于联合建模多个相关的时间序列。我们的模型发现了一组序列间共享的潜在动力学行为，并将每个时间序列分割为由这些行为的子集定义的区域。利用 Beta 过程先验，行为集的大小和共享模式均可从数据中推断出来。我们开发了基于 Beta 过程预测分布的印度自助餐过程 (Indian buffet process) 表示的马尔可夫链蒙特卡洛 (MCMC) 方法。我们的 MCMC 推断算法通过新颖的分裂 - 合并操作以及数据驱动的出生和死亡提议，有效地添加和移除行为，从而避免了对截断模型的需求。我们在人体动作捕捉数据的无监督分割上展示了令人鼓舞的结果。
引用
@article{arxiv.1308.4747,
title = {Joint modeling of multiple time series via the beta process with application to motion capture segmentation},
author = {Emily B. Fox and Michael C. Hughes and Erik B. Sudderth and Michael I. Jordan},
journal= {arXiv preprint arXiv:1308.4747},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS742 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org). arXiv admin note: text overlap with arXiv:1111.4226