我对 HMM 有基本的了解，作为学校的最后一年项目，我想进一步扩展我的知识。
我的基本想法是创建一个算法来确定某人是说是还是不是。这听起来很有趣，但它相对容易，我想要一些对我更具挑战性的东西，并想知道我的想法是否可行。
我的点子：
该算法将能够回答某些问题（给定样本）。例如
问：这个人是不是在说是不是不是？
答：是的
问：这个人是男是女？
一位男士
问：这种动物是蝙蝠吗？
答：没有
显然，我的数据集会很大，但是这可能使用 HMM 吗？因此，理论上，算法不再处理某人是否说是或否，而是变得通用，我可以确定很多事情。
我希望有一个人可以帮助我。
HMM 对于序列建模和分类很有用 - 您的观察在时间或空间的一维轴上展开的问题。因此它们对语音识别很有用，因为一个词是与其各种音素相对应的一系列异构状态。但是识别说话者是男性还是女性的问题并没有这个顺序方面，所以 HMM 确实是一种奇怪的方法。找出 HMM 是否适合某个问题的一种好方法如下：如果数据被打乱，你还能执行分类吗？如果你把一段语音录音，把它分成几段，然后洗牌，你将无法识别所说的话，但你仍然可以识别说话者是男性还是女性，并确实识别出这个说话者。
我不确定蝙蝠的问题-您是在谈论从动物发出的声音中识别动物吗？或者，来自什么样的数据？这些数据是否具有顺序结构？
在我看来，你想做的是，从广义的角度来看，机器学习或模式分类。HMM 是针对机器学习问题（与沿一维轴展开的分类过程相关的问题）的一种非常具体的解决方案，但这并不是唯一的工具！也许您应该更多地了解其他方法（贝叶斯方法、支持向量机、神经网络、决策树......），以及每种数据类型的细节（图像、音频、文本......）。