著者

玉田 寛尚 林 朗 末松 伸朗 岩田 一貴

出版者

The Institute of Electronics, Information and Communication Engineers

雑誌

電子情報通信学会論文誌 D (ISSN:18804535)

巻号頁・発行日

vol.J93-D, no.12, pp.2610-2619, 2010-12-01

---

HMM(Hidden Markov Model)は時系列データの生成モデルとしてよく知られている.しかし,近年,HMMに対応する識別モデルであるCRF(Conditional Random Field)が提案され,多くの応用問題で有効性が示されている.HHMM(Hierarchical HMM)はHMMを一般化した生成モデルであり,時系列データの状態を階層的に表現する.我々はHHMMに対応する識別モデルとして,HHCRF(Hierarchical Hidden CRF,階層隠れCRF)を提案する.HHMMとHHCRFの性能比較のために,生成モデルと識別モデルの性質を考慮しつつ人工データ実験を行い,パラメータ学習時の訓練集合サイズが大きくなり,かつデータ生成源が非一次マルコフモデルに近づくにつれて,状態系列推定におけるHHCRFの性能がHHMMのそれよりも,より高くなることを示す.