这在手势识别领域有些常见。答案是创建一个阈值模型，如Lee 和 Kim (1999)的论文中所述

它与填充或垃圾模型的作用相同，但不需要像你说的那样单独训练。您可以通过连接来自其他模型的所有自转换状态并使用统一概率初始化转换来创建阈值模型，从而完全连接这些状态。请看一下论文，看看它实际上是如何完成的。

即使您的库不支持遍历模型，它也不应该阻止您手动创建所需大小的模型并相应地设置状态。如果你真的想要一个库，那么隐藏马尔可夫模型分类器的实现，包括对阈值模型的支持，例如在Accord.NET Framework中可用。

免责声明：我是这个库的作者。

非常好的问题！

正如你所提到的，让 HMM 给你一个“我不知道”（我们称之为 OOV）答案的唯一方法是给它一个特殊的状态，因为它总是输出在你的模型下具有最高可能性的状态。因此，您必须确保 OOV 在每个不是 或 的输入speech下都有更高watertap的可能性knocking。

简短的回答是这是不可能的。因为HMM 不是绝对的模式识别器。它仅比较您的模型下输出的可能性，并且在它被训练的上下文中。

考虑一个speech同时是的输入knocking。HMM 很可能会在这两种状态之间“犹豫”，因为该输入具有每种状态的特征。最后它会输出其中一个，但它不太可能输出OOV。在关键字发现的情况下，我的猜测是你可以找到可以始终欺骗他们的 HMM 的聪明输入。然而，作者可能知道预期的输入，并且他们选择了有限的未知单词列表，因此这些有毒输入并不常见。

我建议你也这样做。考虑一下您将使用 HMM 并在您希望消除的最常见输入上训练 OOV 状态的情况。您甚至可以考虑拥有多个 OOV 状态。

所以我所做的是：我创建了填充模型的简化版本。每个代表水龙头声音、敲击声音和语音声音的 hmm 是一个单独的 6 状态 hmm，由来自 30、50、90 个不同长度的 30、50、90 个声音的训练集的声音训练，分别为 0.3 秒到 10 秒。然后我创建了一个填充模型，它是一个状态为 1 的 hmm，包含所有用于敲击、敲击和语音的训练集声音。因此，如果给定声音的 hmm 模型分数大于填充物的分数 - 声音会被识别，否则它是未知声音。我并没有真正的大数据，但我已经对看不见的声音进行了假阳性拒绝和真阳性拒绝的以下测试。

true positives rejection
knocking 1/11 = 90% accuracy
watertap 1/9 = 89% accuracy
speech 0/14 = 100% accuracy


false positives rejection
Tested 7 unknown sounds
6/7 = 86% accuracy

所以从这个快速测试中我可以得出结论，这种方法给出了合理的结果，尽管我有一种奇怪的感觉，它可能还不够。