机器学习26-隐马尔科夫模型HMM(一)
来源:互联网 发布:网络进度计划软件 编辑:程序博客网 时间:2024/05/21 08:59
介绍
HMM可用在标注问题上,在语音识别,NLP,生物信息,模式识别等领域被证明是可用的算法
HMM是关于时间序列的概率模型,描述一个由隐藏马尔科夫链生成不可观测的状态序列,再由状态序列生成观测随机序列的过程
HMM生成的随机状态序列称为状态序列,每个状态随机生成一个观测,由此产生的随机观测序列称为观测序列
上图为隐马尔科夫链,T1随机生成T2,T2随机生成T3 ..... ,T1 T2 T3 ...Tn+1为状态序列。T1随机生成O1 ,T2随机生成O2。O1,O2.....O n+1为观测数列
T1是不确定的,所以O1与O2是不互相独立的
模型的数学描述
HMM由初始概率分布π,状态转移概率分布A,观测概率分布B组成:
λ = (A B π)
状态转移概率分布A:
每个时刻的状态可能性的种类是一样的,比如T0时刻状态可能是L1,L2,L3......Ln中的一种,T1时刻的状态也可能L1,L2,L3......Ln中的一种状态之间的转化概率称为A,如下图,上时刻L1状态转化为下一时刻L2状态的概率为a12
观测概率分布B:
每个状态可以映射成某个观测值,如下图:状态L2映射为观测O3的概率为a23
初始概率分布π:
π(π1,π2,π3,π4.........π n)为转移到T0时刻在状态种类上的概率
概率计算-直接计算:给定λ 与观测数据O (O1,O2,O3,O4 .....On) , 求p(o |λ )
概率计算-前向计算:给定λ 与观测数据O (O1,O2,O3,O4 .....On) , 求p(o | λ )
时间复杂度为O(n*n^2)
- 机器学习26-隐马尔科夫模型HMM(一)
- 隐马尔科夫模型HMM学习(一)
- HMM(隐马尔科夫模型)学习一
- 机器学习中的隐马尔科夫模型(HMM)详解
- 机器学习中的隐马尔科夫模型(HMM)详解
- 机器学习27—隐马尔科夫模型HMM(二)
- 机器学习-隐Markov模型(hmm)
- 机器学习:隐马尔可夫模型(HMM)
- 声学模型学习笔记(一) HMM
- 隐马尔科夫模型HMM自学(一)
- 王小草【机器学习】笔记--隐马尔可夫模型HMM
- 机器学习_隐马尔可夫模型HMM
- 隐马尔科夫模型HMM学习(二)
- 隐马尔科夫模型HMM学习(三)
- HMM(隐马尔科夫模型)学习二
- 隐马尔科夫模型(HMM)
- 隐马尔科夫模型(HMM)
- 隐马尔科夫模型(HMM)
- Gradle多渠道打包
- 过去未去,未来已来,中国或许将在未来几年快速成为消费服务大国,付费模式即将迎来新时代!
- Sum It Up HDU
- “Couldn't resolve resource…” Android Studio
- lombok的使用和原理
- 机器学习26-隐马尔科夫模型HMM(一)
- 关于多线程
- TCP/IP SOCKET HTTP及HTTPS之间的关系
- oracle的一些sql语句demo
- c++ 类、对象、class
- B
- react router4.0初识
- SQL SERVER数据类型与C#数据类型对照表
- python 多线程