張璇　周峰

摘 要：隨著隱馬爾科夫模型相關(guān)理論的進(jìn)步，在許多領(lǐng)域出現(xiàn)了大量的關(guān)于隱馬爾科夫模型應(yīng)用的文獻(xiàn)。為厘清國(guó)內(nèi)外對(duì)隱馬爾科夫模型的研究軌跡，以Web of Science（SCI）中收錄的2005-2014年間關(guān)于隱馬爾科夫模型的應(yīng)用文獻(xiàn)為數(shù)據(jù)源，利用CiteSpace II對(duì)所收集的2826篇研究文獻(xiàn)進(jìn)行可視化分析，使用圖譜的形式展示結(jié)果，客觀全面地分析隱馬爾科夫模型的應(yīng)用領(lǐng)域、研究熱點(diǎn)和發(fā)展趨勢(shì)。同時(shí)，探究其主要研究國(guó)家與研究機(jī)構(gòu)的分布情況，期望能對(duì)進(jìn)一步研究和發(fā)展隱馬爾科夫模型提供一定的借鑒作用。

關(guān)鍵詞：CiteSpace II；可視化分析；隱馬爾科夫模型；熱點(diǎn)應(yīng)用領(lǐng)域

中圖分類(lèi)號(hào)：F27

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-3198（2015）15-0063-03

1 引言

隱馬爾科夫模型是一種重要的統(tǒng)計(jì)分析模型。其具有雙重隨機(jī)過(guò)程，分別由一條隱藏狀態(tài)的馬爾科夫鏈和描述每個(gè)狀態(tài)對(duì)應(yīng)觀測(cè)值的隨機(jī)過(guò)程組成。近幾十年來(lái)，隱馬爾科夫模型被廣泛地應(yīng)用于各領(lǐng)域中，比如語(yǔ)音識(shí)別、生物學(xué)、控制、雷達(dá)故障檢測(cè)和計(jì)算機(jī)視覺(jué)等。隨著大數(shù)據(jù)時(shí)代的到來(lái)，互聯(lián)網(wǎng)與金融相互融合，隱馬爾科夫模型在海量金融數(shù)據(jù)中的應(yīng)用也受到了人們的關(guān)注。因此，了解其演進(jìn)情況和發(fā)展趨勢(shì)，把握當(dāng)前的應(yīng)用熱點(diǎn)，對(duì)深入研究有著重要的意義。

美國(guó)Drexel大學(xué)華人學(xué)者陳超美教授基于JAVA平臺(tái)開(kāi)發(fā)了信息可視化軟件CiteSpace II，通過(guò)對(duì)科學(xué)文獻(xiàn)題錄數(shù)據(jù)的分析與處理，繪制出知識(shí)圖譜能夠顯示一個(gè)學(xué)科或知識(shí)域在一定時(shí)期發(fā)展的趨勢(shì)和動(dòng)向，形成若干研究前沿領(lǐng)域的演進(jìn)歷程。目前，關(guān)于隱馬爾科夫模型應(yīng)用進(jìn)展的文獻(xiàn)綜述較少。在這樣的背景下，本文整理和分析了相關(guān)的研究文獻(xiàn)，厘清了國(guó)內(nèi)外對(duì)隱馬爾科夫模型應(yīng)用研究的演進(jìn)軌跡。并利用信息可視化分析軟件CiteSpace II對(duì)近十年的研究文獻(xiàn)進(jìn)行了詳細(xì)的分析和處理，用圖像展示了隱馬爾科夫模型的應(yīng)用領(lǐng)域，用圖譜的形式顯示了隱馬爾科夫模型的應(yīng)用熱點(diǎn)和演化趨勢(shì)。最后，探討了隱馬爾科夫模型的主要研究國(guó)家和研究機(jī)構(gòu)。

2 國(guó)內(nèi)外的研究進(jìn)展

Baum和Petrie（1966）提出隱馬爾科夫模型（Hidden Markov Model），他們介紹了該模型的一些統(tǒng)計(jì)性質(zhì)，但并未稱(chēng)其為隱馬爾科夫模型，而是馬爾科夫鏈的概率函數(shù)。隱馬爾科夫模型最早應(yīng)用于語(yǔ)言識(shí)別領(lǐng)域中，Raviv（1967）研究了相關(guān)問(wèn)題，并給出馬氏依賴(lài)假設(shè)下的最優(yōu)決策規(guī)則。它主要使用馬爾科夫鏈的狀態(tài)表示語(yǔ)言的字符。接著，他進(jìn)行了一系列的實(shí)驗(yàn)，并給出每次實(shí)驗(yàn)識(shí)別系統(tǒng)的字符錯(cuò)誤率。除了自然語(yǔ)言領(lǐng)域，隱馬爾科夫模型也可用來(lái)分析生命現(xiàn)象，Nielsen、Lundegaard和Worning（2003）等人將隱馬爾科夫模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合，預(yù)測(cè)丙型肝炎病毒的基因組中T細(xì)胞表位，以指導(dǎo)疫苗設(shè)計(jì)的過(guò)程。

接下來(lái)，總結(jié)一下近五年應(yīng)用隱馬爾科夫模型的情況，主要是介紹一些被引用較多的研究成果。Conn和Cooch（2009）應(yīng)用了隱馬爾科夫模型架構(gòu)下的捕獲-再捕獲模型在疾病研究當(dāng)中。使用馬爾科夫鏈表示未知的疾病狀態(tài)，使得參數(shù)估計(jì)精度大大提高了。Reddy、Mun和Burke（2010）等人運(yùn)用隱馬爾科夫模型創(chuàng)造了一個(gè)交通方式識(shí)別系統(tǒng)。通過(guò)手機(jī)數(shù)據(jù)分析使用者所處的狀態(tài)，并對(duì)16個(gè)手機(jī)使用者進(jìn)行實(shí)驗(yàn)。Sikorsa、Hodkiewicz和Ma（2011）討論了多種模型在預(yù)測(cè)工業(yè)設(shè)備剩余使用壽命中的應(yīng)用，文中說(shuō)明隱馬爾科夫模型能較好地運(yùn)用于設(shè)備的監(jiān)測(cè)和預(yù)測(cè)中，但是計(jì)算過(guò)程較復(fù)雜。

近幾十年，國(guó)內(nèi)學(xué)者在已有研究成果的基礎(chǔ)上，對(duì)模型進(jìn)行了改進(jìn)并具體說(shuō)明了其在實(shí)際當(dāng)中的應(yīng)用。應(yīng)用領(lǐng)域與國(guó)外類(lèi)似，主要是集中在語(yǔ)音和行為識(shí)別、分子生物、故障診斷、圖像處理和經(jīng)濟(jì)等領(lǐng)域。馬寶山和朱義勝（2008）將隱馬爾科夫模型與前向算法結(jié)合，提出一種新的參數(shù)優(yōu)化算法，大大降低了傳統(tǒng)EM算法的計(jì)算量。仿真結(jié)果表明新算法對(duì)外顯子位置的預(yù)測(cè)是準(zhǔn)確的，能更好地從DNA序列中識(shí)別蛋白質(zhì)編碼區(qū)。隱馬爾科夫模型也常用于入侵檢測(cè)的研究中，模型的雙重隨機(jī)過(guò)程剛好適合描述該網(wǎng)絡(luò)行為。劉宗禮和孔祥才（2007）使用一條馬爾科夫鏈來(lái)描述網(wǎng)絡(luò)中的正常行為和異常狀態(tài)，建立了一個(gè)基于隱馬爾科夫模型的入侵檢測(cè)模型。但是現(xiàn)實(shí)系統(tǒng)并不能完全滿(mǎn)足馬爾科夫的條件，閆新娟、譚敏生和嚴(yán)亞周（2012）等人在此基礎(chǔ)上改進(jìn)，把隱馬爾科夫模型的輸出作為神經(jīng)網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)的輸出即為最終結(jié)果，使用混合的檢測(cè)方法，具有更低的誤報(bào)率和漏報(bào)率。

隱馬爾科夫模型在文字、圖像和行為識(shí)別方面的應(yīng)用，研究文獻(xiàn)已經(jīng)有許多。朱旭東和劉志鏡（2012）將模型運(yùn)用于通過(guò)監(jiān)控視頻識(shí)別人體異常行為，結(jié)合層次建模和時(shí)序建模，聚類(lèi)運(yùn)動(dòng)詞匯為簡(jiǎn)單動(dòng)作，聚類(lèi)簡(jiǎn)單動(dòng)作為全局復(fù)雜行為，彌補(bǔ)過(guò)往方法精度和計(jì)算效率的不足。近年來(lái)，隱馬爾科夫模型在經(jīng)濟(jì)、金融等新興領(lǐng)域的應(yīng)用也越來(lái)越多。任曉濤、滕陽(yáng)春和劉達(dá)（2010）使用該模型較好地分析居民消費(fèi)價(jià)格指數(shù)的變動(dòng)規(guī)律，對(duì)我國(guó)宏觀經(jīng)濟(jì)的預(yù)測(cè)有一定的指導(dǎo)意義。黃曉彬、王春峰和房振明（2012）等人對(duì)中國(guó)股市進(jìn)行信息探測(cè)，使用貝葉斯和馬爾科夫鏈蒙特卡洛的方法，驗(yàn)證了該模型對(duì)市場(chǎng)信息的識(shí)別能力較強(qiáng)。

3 基于CiteSpace II的可視化分析

3.1 數(shù)據(jù)來(lái)源與處理

本文研究數(shù)據(jù)來(lái)源于Web of Science（SCI），時(shí)間跨度選擇所有年份，檢索關(guān)鍵詞為“the application of hidden markov model”，共計(jì)2826條記錄符合條件。數(shù)據(jù)導(dǎo)出方式選擇“全紀(jì)錄并包含所引用的參考文獻(xiàn)”，數(shù)據(jù)下載日期為2014年10月。

3.2 隱馬爾科夫模型應(yīng)用領(lǐng)域共被引分析

將數(shù)據(jù)導(dǎo)入CiteSpace II中后，設(shè)置時(shí)間范圍為2005-2014年，時(shí)間跨度為1年，設(shè)置N（每個(gè)分區(qū)中提取的被引次數(shù)最高的文獻(xiàn)數(shù)）為30，c、cc和ccv（c為最低被引次數(shù)，cc為本分區(qū)內(nèi)的共被引次數(shù)，ccv為規(guī)范化以后的共被引次數(shù)）閾值分別為（4，3，20）、（4，4，20）和（3，4，20），其余的由線性?xún)?nèi)插值來(lái)決定。結(jié)果如表1所示。

該網(wǎng)絡(luò)由327個(gè)節(jié)點(diǎn)、962條連線組成。其中，被引頻次第三多的為Baum、Petrie、Soules和Weiss（1970）發(fā)表的文章，被引頻次為145次，中心度為0.05。他們?yōu)榱斯烙?jì)觀測(cè)值所在狀態(tài)的概率，建立了向前-向后迭代算法。而且建立了參數(shù)極大似然估計(jì)方法，即有效的數(shù)值迭代方法：Expectation—Maximum（簡(jiǎn)稱(chēng)EM）算法。被引頻次第二多的是Dempster、Laird和Rubin（1977）發(fā)表在Journal of the Royal Statistical Society上的文章，引用頻次為183次，中心度為0.06。他們將著名的EM算法應(yīng)用于隱馬爾科夫模型中。被引頻次最多的是Rabiner（1989）發(fā)表的文章，引用頻次為670次，中心度為0.07。文中詳細(xì)地介紹了隱馬爾科夫模型的理論和相應(yīng)的算法，并顯示了其是如何應(yīng)用于語(yǔ)音識(shí)別領(lǐng)域的。

3.3 隱馬爾科夫模型應(yīng)用研究熱點(diǎn)分析

對(duì)共被引網(wǎng)絡(luò)進(jìn)行聚類(lèi)，以探測(cè)隱馬爾科夫模型應(yīng)用研究的熱點(diǎn)，得到16個(gè)聚類(lèi)。其中，Modularity Q=0.8102，Modularity Q 取值范圍為0到1之間，越接近1，說(shuō)明這個(gè)網(wǎng)絡(luò)越具有模塊性，可以較好地聚類(lèi)。Mean Silhouette=0.6316，取值范圍為-1到1，越接近1，說(shuō)明聚類(lèi)的主題越明確，類(lèi)內(nèi)的文章內(nèi)容越相近。本文聚類(lèi)結(jié)果的Modularity Q 值和Mean Silhouette值說(shuō)明了本次聚類(lèi)是較好的。聚類(lèi)標(biāo)題詞顯示了研究前沿主題，每一個(gè)不規(guī)則多邊形中的文獻(xiàn)為一類(lèi)，各聚類(lèi)主要指標(biāo)列表見(jiàn)表2所示。

從表2中可以看到近二十年隱馬爾科夫模型熱點(diǎn)應(yīng)用領(lǐng)域的演進(jìn)情況。1990年研究的熱點(diǎn)是詞性標(biāo)注，1992年研究的熱點(diǎn)則是分子生物中的蛋白質(zhì)結(jié)構(gòu)，到了1995年研究的熱點(diǎn)表現(xiàn)為與神經(jīng)網(wǎng)絡(luò)的混合應(yīng)用，1998年則轉(zhuǎn)移到了手紋識(shí)別領(lǐng)域，2000年到2004年的研究熱點(diǎn)主要是關(guān)于隱馬爾科夫模型的算法以及模擬，近幾年并沒(méi)有出現(xiàn)關(guān)于隱馬爾科夫模型新的熱點(diǎn)應(yīng)用領(lǐng)域。繪制隱馬爾科夫模型應(yīng)用研究進(jìn)展時(shí)間圖，如圖1所示。該圖按年代顯示了研究前沿，讀者可以更加清晰地看到每一時(shí)間段內(nèi)的研究熱點(diǎn)以及熱點(diǎn)的演進(jìn)和趨勢(shì)情況。不同年份對(duì)應(yīng)著不同顏色，顏色線段越長(zhǎng)證明被引用的時(shí)間跨度越大，由此可以查找到相應(yīng)年份的關(guān)鍵詞。

3.4 隱馬爾科夫模型應(yīng)用研究國(guó)家和研究機(jī)構(gòu)

為了了解從事隱馬爾科夫模型應(yīng)用研究的國(guó)家和研究機(jī)構(gòu)，在運(yùn)行CiteSpace II前，將網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)置為“Country”或“Institution”，就得到有關(guān)國(guó)家和研究機(jī)構(gòu)的分布情況，按照出現(xiàn)的頻次進(jìn)行排序，由于篇幅有限，只列出前10個(gè)國(guó)家和研究機(jī)構(gòu)，如表3和表4所示。

從表3中，可以清楚地看到從事隱馬爾科夫模型應(yīng)用研究的國(guó)家分布情況。其中，被引頻次最高的是美國(guó)，為612次，說(shuō)明美國(guó)的研究實(shí)力最強(qiáng)，居于首位。可以看到我國(guó)在這一領(lǐng)域的研究雖然起步較晚，但是也取得了一定的成果，被引頻次為278次，居于第二位，與美國(guó)還有一定的差距。法國(guó)和英國(guó)分別處于第三和第四位，被引頻次分別為146次和120次。接著處于第五位和第六位的是德國(guó)和加拿大，被引頻次分別為108次和107次，兩國(guó)之間的差距不大。

從表4中可以看出，被引頻次最高的研究機(jī)構(gòu)是美國(guó)的伊利諾伊大學(xué)（Univillinois），為24次。被引頻次第二的是佐治亞理工學(xué)院（Georgia InstTechnol），其是美國(guó)頂尖的理工學(xué)院，為19次。另外，美國(guó)著名的斯坦福大學(xué)（Stanford Univ）和南加州大學(xué)（Univ So Calif）并列第三，為18次，與第二相差不大。排名前四都是美國(guó)的大學(xué)，說(shuō)明美國(guó)在從事隱馬爾科夫模型應(yīng)用研究上實(shí)力較強(qiáng)。第五和第六位是我國(guó)的中科院和上海交通大學(xué)，若想進(jìn)一步了解隱馬爾科夫模型在中國(guó)的研究進(jìn)展，可以多關(guān)注這兩個(gè)機(jī)構(gòu)所做的研究和發(fā)表的文獻(xiàn)。

4 結(jié)語(yǔ)

在Baum和Petrie提出隱馬爾科夫模型之后，部分國(guó)外學(xué)者開(kāi)始對(duì)隱馬爾科夫模型的理論和算法進(jìn)行研究。國(guó)外較早地將其應(yīng)用于各個(gè)領(lǐng)域當(dāng)中，而國(guó)內(nèi)對(duì)其的研究起步較晚。近年來(lái)，還有學(xué)者將隱馬爾科夫模型用于經(jīng)濟(jì)、管理和金融等大數(shù)據(jù)的建模中，但這方面的文章仍然較少，如何從這些新興領(lǐng)域中尋找切入點(diǎn)并進(jìn)行深入地研究是值得我們繼續(xù)探索的。利用可視化軟件CiteSpace II，了解到該模型主要應(yīng)用領(lǐng)域是詞性標(biāo)注、蛋白質(zhì)結(jié)構(gòu)、手紋識(shí)別和人工智能等以及熱點(diǎn)演進(jìn)情況。目前，關(guān)于隱馬爾科夫模型的理論研究及應(yīng)用還在繼續(xù)深入，未來(lái)還需要繼續(xù)跟蹤研究熱點(diǎn)和前沿動(dòng)態(tài)，對(duì)最新進(jìn)展進(jìn)行綜述。相信隨著時(shí)代的發(fā)展，隱馬爾科夫模型必將有更廣泛的應(yīng)用。

參考文獻(xiàn)

[1]

Baum L E，Petrie T.Statistical inference for probabilistic functions of finite state Markov chains[J]. The annals of mathematical statistics，1966：1554-1563.

[2]Raviv J.Decision making in Markov chains applied to the problem of pattern recognition[J]. IEEE Trans.Inform.Theory，1967，13（4）：536-551.

[3]Nielsen M，Lundegaard C，Worning P，et al.Reliable prediction of T-cell epitopes using neural networks with novel sequence representations[J].Protein Science，2003，12（5）：1007-1017.

[4]Conn P B，Cooch E G.Multistate capture-recapture analysis under imperfect state observation： an application to disease models[J]. Journal of Applied Ecology，2009，46（2）：486-492.

[5]Reddy S，Mun M，Burke J，et al.Using mobile phones to determine transportation modes[J].ACM Transactions on Sensor Networks（TOSN），2010，6（2）：13.

[6]Sikorska J Z，Hodkiewicz M， Ma L. Prognostic modelling options for remaining useful life estimation by industry[J].Mechanical Systems and Signal Processing，2011，25（5）：1803-1836.

[7]馬寶山，朱義勝.基于隱馬爾科夫模型的基因預(yù)測(cè)算法[J].大連海事大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，34（4）：41-44.

[8]劉宗禮，孔祥才.基于隱馬爾科夫模型的入侵檢測(cè)算法研究[J].甘肅科技，2007，（4）：31.

[9]閆新娟，譚敏生，嚴(yán)亞周等.基于隱馬爾科夫模型和神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)研究[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（2）：294-297.

[10]朱旭東，劉志鏡.基于主題隱馬爾科夫模型的人體異常行為識(shí)別[J].計(jì)算機(jī)科學(xué)，2012，39（3）：251-255.

[11]任曉濤，滕陽(yáng)春，劉達(dá).基于隱馬爾科夫的居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)[J].現(xiàn)代商業(yè)，2010（3）：218-219.

[12]黃曉彬，王春峰，房振明等.基于隱馬爾科夫模型的中國(guó)股票信息探測(cè)[J].系統(tǒng)工程理論與實(shí)踐，2012，32（4）：713-720.

[13]陳超美，陳悅，侯劍華等.CiteSpaceII：科學(xué)文獻(xiàn)中新趨勢(shì)與新動(dòng)態(tài)的識(shí)別與可視化[J].情報(bào)學(xué)報(bào)，2009（3）：401-421.