Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...

N 2
W
N 1
V
Abbildung 5: Der vermutete Punkt V ist durch das Einbeziehen von drei Nachbarn(N1, N2, N3)
näher am tatsächlichen Punkt (W) als einer der Nachbarn für sich. Quelle: [BP00]
3.3 Hidden Markov Model (HMM)
Sonnig Regen
Bevölkt
Abbildung 6: Markov Model des Wetters. Quelle: [Rab89]
Das Hidden Markov Model (HMM) ist ein Werkzeug der Statistik, welches bei Lernproblemen
sehr häufig zum Einsatz kommt. Die erste große Anwendung fand das Modell bei
der Spracherkennung, wo es darum ging, einen Audio-Datenfluss zu analysieren und dabei
Sprache von Störgeräuschen zu unterscheiden. Ein System sollte also lernen was Sprache
ist und was nicht.
Das HMM basiert auf dem Markov Modell, welches ein Zustandsmodell beschreibt bei
dem zu jedem Zeitpunkt eine gewisse Wahrscheinlichkeit besteht, dass ein Zustand in
einen anderen übergeht. Ein Beispiel hier ist das Wetter. Zu den Zuständen Regen, Wolken
und Sonne würde das Model beschreiben wie die Wahrscheinlichkeiten sind, dass auf
Regen Sonne folgt, auf Wolken Sonne, und so weiter, wie in Abbildung 6 zu sehen.
N3
N 4
N 5