2020-12-1状态序列问题

贝叶斯原理

此分类策略是为了解决逆向概率问题

逆向概率

逆向概率是针对正向概率而产生的一个概念，比如一个摸球问题，正向概率就是已经知道了盒子里球的总数，从而正向求出摸到白球或者黑球的概率。而逆向概率是盒子对于我们来说是透明的，通过我们摸出来的球的颜色，从而判断出黑白球比例。

先验概率

通过经验来得出概率。

后验概率

后验概率就是事件之后，推测原因的概率。

条件概率

P(A|B)

似然函数

sigmod函数
明天再细看 与参数估计相关

---

状态轨迹

将向量集导入使用朴素贝叶斯生成的模型，最终会得到带有相应动作的状态轨迹

昨天的思考问题有2：

• 这个状态轨迹是如何生成的，是朴素贝叶斯算法的运行结果吗？
• 运行轨迹是不是可以用视频剪辑出连续的图片，然后只用分类就能得到？

第一个问题

查阅了几个经典的朴素贝叶斯算法的例子，没有状态轨迹的生成，只有最后的结果，所以应该不是算法结果就是轨迹。不过不确定是不是在算法生成的过程中包括轨迹的过程，明天准备实现一个经典的朴素贝叶斯算法看一下。

第二个问题

如果只得到了分类的结果，如何得到轨迹？
有可能是得到了分类结果之后，通过查看到底是哪个动作的变化导致了状态发生改变，从而求得状态轨迹。但是这种方式又不合理，因为这就是实时的，得到的序列按理说就是前台传过来的图像序列。
思考了一下可以通过视频，但是视频的结果一帧之间可能不止有一个动作发生了改变。
这个问题先保留，可以采用放弃某些帧的策略，但还需再思考。