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)。為厘清國內(nèi)外對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、研究熱點和發(fā)展趨勢。同時，探究其主要研究國家與研究機(jī)構(gòu)的分布情況，期望能對進(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；熱點應(yīng)用領(lǐng)域

中圖分類號：F27

文獻(xiàn)標(biāo)識碼：A

文章編號：1672-3198（2015）15-0063-03

1 引言

隱馬爾科夫模型是一種重要的統(tǒng)計分析模型。其具有雙重隨機(jī)過程，分別由一條隱藏狀態(tài)的馬爾科夫鏈和描述每個狀態(tài)對應(yīng)觀測值的隨機(jī)過程組成。近幾十年來，隱馬爾科夫模型被廣泛地應(yīng)用于各領(lǐng)域中，比如語音識別、生物學(xué)、控制、雷達(dá)故障檢測和計算機(jī)視覺等。隨著大數(shù)據(jù)時代的到來，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，把握當(dāng)前的應(yīng)用熱點，對深入研究有著重要的意義。

美國Drexel大學(xué)華人學(xué)者陳超美教授基于JAVA平臺開發(fā)了信息可視化軟件CiteSpace II，通過對科學(xué)文獻(xiàn)題錄數(shù)據(jù)的分析與處理，繪制出知識圖譜能夠顯示一個學(xué)科或知識域在一定時期發(fā)展的趨勢和動向，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)，厘清了國內(nèi)外對隱馬爾科夫模型應(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)用熱點和演化趨勢。最后，探討了隱馬爾科夫模型的主要研究國家和研究機(jī)構(gòu)。

2 國內(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)計性質(zhì)，但并未稱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)用于語言識別領(lǐng)域中，Raviv（1967）研究了相關(guān)問題，并給出馬氏依賴假設(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)表示語言的字符。接著，他進(jìn)行了一系列的實驗，并給出每次實驗識別系統(tǒng)的字符錯誤率。除了自然語言領(lǐng)域，隱馬爾科夫模型也可用來分析生命現(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)計的過程。

接下來，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)造了一個交通方式識別系統(tǒng)。通過手機(jī)數(shù)據(jù)分析使用者所處的狀態(tài)，并對16個手機(jī)使用者進(jìn)行實驗。Sikorsa、Hodkiewicz和Ma（2011）討論了多種模型在預(yù)測工業(yè)設(shè)備剩余使用壽命中的應(yīng)用，文中說明隱馬爾科夫模型能較好地運(yùn)用于設(shè)備的監(jiān)測和預(yù)測中，但是計算過程較復(fù)雜。

近幾十年，國內(nèi)學(xué)者在已有研究成果的基礎(chǔ)上，對模型進(jìn)行了改進(jìn)并具體說明了其在實際當(dāng)中的應(yīng)用。應(yīng)用領(lǐng)域與國外類似，主要是集中在語音和行為識別、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算法的計算量。仿真結(jié)果表明新算法對外顯子位置的預(yù)測是準(zhǔn)確的，能更好地從DNA序列中識別蛋白質(zhì)編碼區(qū)。隱馬爾科夫模型也常用于入侵檢測的研究中，模型的雙重隨機(jī)過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描述網(wǎng)絡(luò)中的正常行為和異常狀態(tài)，建立了一個基于隱馬爾科夫模型的入侵檢測模型。但是現(xiàn)實系統(tǒng)并不能完全滿足馬爾科夫的條件，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，使用混合的檢測方法，具有更低的誤報率和漏報率。

隱馬爾科夫模型在文字、圖像和行為識別方面的應(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)用于通過監(jiān)控視頻識別人體異常行為，結(jié)合層次建模和時序建模，聚類運(yùn)動詞匯為簡單動作，聚類簡單動作為全局復(fù)雜行為，彌補(bǔ)過往方法精度和計算效率的不足。近年來，隱馬爾科夫模型在經(jīng)濟(jì)、金融等新興領(lǐng)域的應(yīng)用也越來越多。任曉濤、滕陽春和劉達(dá)（2010）使用該模型較好地分析居民消費價格指數(shù)的變動規(guī)律，對我國宏觀經(jīng)濟(jì)的預(yù)測有一定的指導(dǎo)意義。黃曉彬、王春峰和房振明（2012）等人對中國股市進(jìn)行信息探測，使用貝葉斯和馬爾科夫鏈蒙特卡洛的方法，驗證了該模型對市場信息的識別能力較強(qiáng)。

3 基于CiteSpace II的可視化分析

3.1 數(shù)據(jù)來源與處理

本文研究數(shù)據(jù)來源于Web of Science（SCI），時間跨度選擇所有年份，檢索關(guān)鍵詞為“the application of hidden markov model”，共計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)置時間范圍為2005-2014年，時間跨度為1年，設(shè)置N（每個分區(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），其余的由線性內(nèi)插值來決定。結(jié)果如表1所示。

該網(wǎng)絡(luò)由327個節(jié)點、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)榱斯烙嬘^測值所在狀態(tài)的概率，建立了向前-向后迭代算法。而且建立了參數(shù)極大似然估計方法，即有效的數(shù)值迭代方法：Expectation—Maximum（簡稱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)用于語音識別領(lǐng)域的。

3.3 隱馬爾科夫模型應(yīng)用研究熱點分析

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

從表2中可以看到近二十年隱馬爾科夫模型熱點應(yīng)用領(lǐng)域的演進(jìn)情況。1990年研究的熱點是詞性標(biāo)注，1992年研究的熱點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)移到了手紋識別領(lǐng)域，2000年到2004年的研究熱點主要是關(guān)于隱馬爾科夫模型的算法以及模擬，近幾年并沒有出現(xiàn)關(guān)于隱馬爾科夫模型新的熱點應(yīng)用領(lǐng)域。繪制隱馬爾科夫模型應(yīng)用研究進(jìn)展時間圖，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間段內(nèi)的研究熱點以及熱點的演進(jìn)和趨勢情況。不同年份對應(yīng)著不同顏色，顏色線段越長證明被引用的時間跨度越大，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)用研究的國家和研究機(jī)構(gòu)，在運(yùn)行CiteSpace II前，將網(wǎng)絡(luò)節(jié)點設(shè)置為“Country”或“Institution”，就得到有關(guān)國家和研究機(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個國家和研究機(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)用研究的國家分布情況。其中，被引頻次最高的是美國，為612次，說明美國的研究實力最強(qiáng)，居于首位?？梢钥吹轿覈谶@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，與美國還有一定的差距。法國和英國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和加拿大，被引頻次分別為108次和107次，兩國之間的差距不大。

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），其是美國頂尖的理工學(xué)院，為19次。另外，美國著名的斯坦福大學(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。排名前四都是美國的大學(xué)，說明美國在從事隱馬爾科夫模型應(yīng)用研究上實力較強(qiáng)。第五和第六位是我國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的研究進(jìn)展，可以多關(guān)注這兩個機(jī)構(gòu)所做的研究和發(fā)表的文獻(xiàn)。

4 結(jié)語

在Baum和Petrie提出隱馬爾科夫模型之后，部分國外學(xué)者開始對隱馬爾科夫模型的理論和算法進(jìn)行研究。國外較早地將其應(yīng)用于各個領(lǐng)域當(dāng)中，而國內(nèi)對其的研究起步較晚。近年來，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)、手紋識別和人工智能等以及熱點演進(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，未來還需要繼續(xù)跟蹤研究熱點和前沿動態(tài)，對最新進(jìn)展進(jìn)行綜述。相信隨著時代的發(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)測算法[J].大連海事大學(xué)學(xué)報：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)的入侵檢測研究[J].計算機(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別[J].計算機(jī)科學(xué)，2012，39（3）：251-255.

[11]任曉濤，滕陽春，劉達(dá).基于隱馬爾科夫的居民消費價格指數(shù)預(yù)測[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股票信息探測[J].系統(tǒng)工程理論與實踐，2012，32（4）：713-720.

[13]陳超美，陳悅，侯劍華等.CiteSpaceII：科學(xué)文獻(xiàn)中新趨勢與新動態(tài)的識別與可視化[J].情報學(xué)報，2009（3）：401-421.