Lember, Jüri, juhendajaAlesma, Karl-JoanTartu Ülikool. Matemaatika ja statistika instituutTartu Ülikool. Loodus- ja täppisteaduste valdkond2024-07-012024-07-012024https://hdl.handle.net/10062/100481Varjatud Markovi ahelate segmenteerimiseks on olemas mitmeid algoritme nagu näiteks Viterbi ja PMAP, seejuures mõlemal on omad puudused. Me nimetame murdepunktideks indekseid, mille korral vaadeldava vektori väärtus muutub. Selles töös uurime segmenteerimist, kus kasutame ära praktikas teinekord esinevat informatsiooni murdepunktide kohta või selle puudumisel ennustame, millised need murdepunktid võiksid olla. Nende leidmiseks toome sisse uue kaofunktsiooni, mis põhineb Binderi kaofunktsioonil, ning näitame, et sellele vastavat riski on võimalik minimiseerida kasutades dünaamilist planeerimist. Kirjeldame ära tulemused kaheastmeliseks segmenteerimiseks ning selle variatsioonide jaoks. Töö praktilises osas illustreerime mõningaid leitud algoritme ühe konkreetse mudeli korral.etAttribution-NonCommercial-NoDerivs 3.0 EstoniaHMMsegmenteerimineViterbi algoritmBinderi kaofunktsioonklasterdaminemurdepunktHMMsegmentationViterbi algorithmBinder’s lossclusteringchange pointbakalaureusetöödvõrguväljaandedThesis