Markov HMM ME MEMM 整体的一些看法
来源:互联网 发布:ip网络广播的优势 编辑:程序博客网 时间:2024/05/20 05:08
1.Markov假设
有限历史 以及 平稳。
有限历史指的是和有限的历史相关
平稳指的是 两个状态的关系和时间无关。
2.HMM
给定观察序列{O1,O2,O3...},每个观察Oi对应隐状态序列{S1,S2....Sn}。
HMM解决三个问题:
1.计算观察序列的概率
利用forward算法即可
2.跟定观察序列,计算出对应概率最大的隐状态序列
Viterbi算法,提供O(N*N*T)的复杂度
3.给定观察序列以及状态集合,估计参数 A(状态转移矩阵) B(发射概率)
EM算法, forward-backword 算法
问题2类似序列标注的问题
Pr(O|S) = p(O1|S1)*p(O2|S2).....p(On|Sn)
P(O) = p(O1|start)*p(O2|O1).....p(On|On-1)
P(S|O) = argmaxPr(O|S)P(O) = argmax( ....p(Oi|Si)*p(Si|Si-1)....)
ME:
分类器,将给定的观察值O进行分类。
ME需要从O中提取出相关的Feature以及计算对应w。
注意:主要解决的是观察值O分类问题,如文本分类d那个
P(C=c|O)
MEMM:
序列标注问题,综合ME和HMM,提供更多的Featrue,优于HMM
考虑到t时间附近观察以及状态对其影响。
P(S|O) = argmax (P(S|O) = argmax(....p(Si| O, Si-1)....),其中O可以是Oi,也可以是Oi-1等观察。
HMM与MEMM的区别:
(MEMM)
(MEMM)
从图上来看:
(HMM)
(MEMM)
(MEMM)
- Markov HMM ME MEMM 整体的一些看法
- ME, HMM, MEMM, CRF
- ME, HMM, MEMM, CRF
- ME, HMM, MEMM, CRF
- 生物信息之ME, HMM, MEMM, CRF
- CRF HMM,MEMM的区别
- HMM,MEMM,CRF模型的比较
- HMM,MEMM,CRF模型的比较(转)
- HMM,MEMM,CRF模型的比较(转)
- HMM/MEMM/CRF
- HMM->MEMM->CRF
- CRF,HMM,MEMM
- 条件随机场(CRF)相对于HMM,MEMM的优势
- 条件随机场CRF HMM,MEMM的比较
- MEMM,HMM,CRF三者之间的关系
- HMM MEMM CRF 区别 联系
- HMM、MEMM、CRF模型比较
- HMM MEMM CRF 区别 联系
- Oracle imp命令导入数据到指定表空间(转贴)
- 教你用移动硬盘安装Win7
- DataTalbe用法
- 用grub4dos修复grub
- 网上看到的一些编程初学者的常识
- Markov HMM ME MEMM 整体的一些看法
- vc++6.0项目迁到vs2005
- js时间格式的转换
- 哈哈来到这里很高兴
- 新家
- 65个面试问题技巧性回答
- visual studio 2010 产品密钥
- linux动态连接库生成
- datawindow常用技巧