多变量医疗时序数据稳健建模的耦合隐马尔可夫模型混合
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了混合耦合隐马尔可夫模型（M-CHMM）用于分析医疗时间序列数据。通过粒子滤波和分解近似的采样器算法，该模型能够解决不规则采样、噪声和缺失值等数据挑战。实验证明，M-CHMM能够改善数据拟合、处理缺失和噪声测量，提高预测准确性，并能够识别数据中的可解释子集。
🏷️
