隐半马尔可夫模型中状态持续时间的参数化：在心电图中的应用

本工作旨在提供一种基于单样本学习的时间序列分类新模型。我们假定时间序列可良好地刻画为参数随机过程，一种表示变持续时间回归模型序列的隐半马尔可夫模型（Hidden semi-Markov Model）。我们引入一种用于时间序列模式识别的参数随机模型，并给出其参数的最大似然估计。特别地，我们关注检验状态持续时间的两种不同表示：i) 离散密度分布，需要对每个可能持续时间进行估计；以及 ii) 连续密度函数的参数族，此处为 Gamma 分布，仅需估计两个参数。在心跳分类上的应用揭示了每种方案的优劣势。