HMM隐马尔可夫模型
来源:互联网 发布:淘宝评价过了怎么截图 编辑:程序博客网 时间:2024/06/08 00:46
隐马尔科夫模型的基本概念
定义
HMM是关于时序的概率模型,描述又一个隐藏的马尔科夫链随机生成不可观测的状态随机序列,再由各个状态生成一个观测而产生观测随机序列的过程。
基本概念
- 状态序列
隐藏的马尔科夫链随机生成的状态的序列 - 观测序列
每个状态生成一个观测,而由此产生的观测的随机序列。序列的每个位置可以看作是一个时刻。
HMM由初始概率分布,状态转移概率分布以及观测概率分布确定。
设
其中,
其中,
其中
隐马尔科夫模型
两个基本假设
隐马尔科夫模型做了两个基本假设:
(1) 齐次马尔科夫性假设,即假设隐藏的马尔科夫链在任意时刻t的状态只依赖于其前一时刻的状态,与其他时刻的状态及观测无关,也与时刻t无关。
(2)观测独立性假设,即假设任意时刻的观测只依赖于该时刻的马尔科夫链的状态,与其他观测及状态无关。
三个基本问题
- 概率计算问题
给定模型λ=(A,B,π) 和观测序列O=(o1,o2,...,oT) ,计算在模型λ 下观测序列O 出现的概率P(O|λ) - 学习问题
已知观测序列O=(o1,o2,...,oT) ,估计模型λ=(A,B,π) 参数,使得在该模型下观测序列概率P(O|λ) 最大。即用极大似然估计得方法估计参数。 - 预测问题
也称为解码(decoding)问题。已知模型λ=(A,B,π) 和观测序列O=(o1,o2,...,oT) ,求队给定观测序列条件概率P(I|O) 最大的状态序列I=(i1i2,...,iT) 。即给定观测序列,求最有可能的对应的状态序列。
概率计算算法
前向算法
后向算法
一些概率与期望值的计算
学习算法
根据训练数据是包括观测序列和对应的状态序列还是只有观测序列,可以分别由监督学习与非监督学习实现。
监督学习方法
Baum-Welch算法(EM算法)
预测算法
分为近似算法和维特比算法。
近似算法
维特比算法
- HMM:隐马尔可夫模型HMM
- 隐马尔可夫模型( HMM )
- 隐马尔可夫模型(HMM)
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫(HMM)模型
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫模型HMM
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫模型HMM
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫模型(HMM)简介
- 隐马尔可夫模型(HMM)
- 隐马尔可夫模型(HMM)
- HMM 隐马尔可夫模型
- 隐马尔可夫模型(HMM)
- 隐马尔可夫模型(HMM)
- 隐马尔可夫模型(HMM)攻略
- Java 基础标识符
- Extended Tracking 扩展跟踪
- java对象的内存布局
- Hadoop编程之MapReduce操作Mysql数据库
- Python正则表达式练习
- HMM隐马尔可夫模型
- 函数的递归调用二
- 【并行计算-CUDA开发】OpenACC与OpenHMPP
- caffe CIFAR 10 database
- HTML5推出的理由
- 条件随机场(待补充)
- Hadoop错误处理(1)
- jsp问题
- 生产者消费者模式 JAVA