隐马尔科夫学习五(三)
来源:互联网 发布:淘宝账号异常 编辑:程序博客网 时间:2024/05/22 04:25
出处:http://www.52nlp.cn/hmm-learn-best-practices-five-forward-algorithm-3
五、前向算法(Forward Algorithm)
前向算法定义(Forward algorithm definition)
我们使用前向算法计算T长观察序列的概率:
其中y的每一个是观察集合之一。局部(中间)概率(‘s)是递归计算的,首先通过计算t=1时刻所有状态的局部概率:
然后在每个时间点,t=2,… ,T时,对于每个状态的局部概率,由下式计算局部概率:
也就是当前状态相应的观察概率与所有到达该状态的路径概率之积,其递归地利用了上一个时间点已经计算好的一些值。
最后,给定HMM,,观察序列的概率等于T时刻所有局部概率之和:
再重复说明一下,每一个局部概率(t > 2 时)都由前一时刻的结果计算得出。
对于“天气”那个例子,下面的图表显示了t = 2为状态为多云时局部概率的计算过程。这是相应的观察概率b与前一时刻的局部概率与状态转移概率a相乘后的总和再求积的结果:
(注:本图及维特比算法4中的相似图存在问题,具体请见文后评论,非常感谢读者YaseenTA的指正)
总结(Summary)
我们使用前向算法来计算给定隐马尔科夫模型(HMM)后的一个观察序列的概率。它在计算中利用递归避免对网格所有路径进行穷举计算。
给定这种算法,可以直接用来确定对于已知的一个观察序列,在一些隐马尔科夫模型(HMMs)中哪一个HMM最好的描述了它——先用前向算法评估每一个(HMM),再选取其中概率最高的一个。
- 隐马尔科夫学习五(三)
- 隐马尔科夫学习五(五)
- UML学习五 建模图表(三)
- RESTful GeoWeb学习手记(五):GeoRSS介绍之三
- PHP学习笔记五--PHP语法(三)
- RabbitMQ五种消息队列学习(三)--Work模式
- 隐马尔科夫学习五(一)
- 隐马尔科夫学习五(二)
- 隐马尔科夫学习五(四)
- 隐马尔科夫学习六(五)
- 隐马尔科夫学习七(五)
- OpenCV学习笔记(一)(二)(三)(四)(五)
- Android学习笔记(五三):服务Service(下)- Remote Service
- Android学习笔记(五三):服务Service(下)- Remote Service
- 设计模式学习笔记(五):建造者模式【Builder Pattern】(三)问题引申
- Java for Web学习笔记(五三):Spring框架简介(2)一些准备
- C++ primer 学习摘抄之三(第四、五章 表达式和语句)
- HEVC学习(五) —— 帧内预测系列之三
- 产品经理经常犯的十大顶级错误
- maven pom查询
- hdu 5239 Doom(线段树+数论)
- ios的notification机制是同步的还是异步的
- centos下 ifconfig的安装
- 隐马尔科夫学习五(三)
- 正则表达式30分钟入门教程
- 沉浸式状态栏调用方法
- C++中的static关键字
- Linux的IPC命令
- xml文件的解析(libxml2)
- bind和live的区别
- 如何在HiWork中进行文件预览
- 电线截面积直径电流关系表