隐马尔科夫模型 介绍 HMM python代码
来源:互联网 发布:阿里云机房位置 编辑:程序博客网 时间:2024/05/22 01:35
#HMM Forward algorithm #input Matrix A,B vector pi import numpy as np A=np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]]) B=np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]]) O=np.array([0 ,1, 0])#T=3 #O=np.array([1 ,0, 1])#T=3 pi=np.array([0.2,0.4,0.4]) N=3#N kind state M=2#M kind of observation T=3 #initialize: Aerfa=np.zeros((3,3),np.float) for i in range(N): Aerfa[0,i]=pi[i]*B[i,O[0]] #Recursion: for t in range(T-1): for i in range(N): for j in range(N): Aerfa[t+1,i]+=Aerfa[t,j]*A[j,i] Aerfa[t+1,i]*=B[i,O[t+1]] #compute P(O|lamda) and termination P=0 for i in range(N): P+=Aerfa[T-1,i]#begin with 0 so T-1 print P #backward #initialize: Beta=np.zeros((T,N),np.float) print Beta for i in range(N): Beta[T-1,i]=1 #recursion: for t in range(T-2,-1,-1): for i in range(N): for j in range(N): Beta[t,i]+=A[i,j]*B[j,O[t+1]]*Beta[t+1,j] #termination: P_back=0 for i in range(N): P_back+=pi[i]*B[i,O[0]]*Beta[0,i] print P_back
参考文献:统计学习方法,李航。
下一篇将介绍:问题3的具体解决方法为维比特算法(biterbi) algorithm
本人水平有限,怀着分享学习的态度发表此文,欢迎大家批评,交流。感谢您的阅读。
欢迎转载本文,转载时请附上本文地址:http://www.cnblogs.com/Dzhouqi/p/3203788.html
另外:欢迎访问我的博客 http://www.cnblogs.com/Dzhouqi/
0 0
- 隐马尔科夫模型 介绍 HMM python代码
- HMM原理介绍 示例 python代码实现
- 隐马尔科夫模型HMM的介绍以及应用
- 【深度剖析HMM(附Python代码)】4.HMM代码测试及hmmlearn介绍
- HMM 隐马尔可夫模型 代码实现
- 一个很好的介绍HMM(隐马尔科夫模型)的文章
- 隐马尔科夫模型HMM
- 隐马尔科夫模型HMM
- 隐马尔科夫模型HMM(1)
- 隐马尔科夫模型HMM(2)
- [转]隐马尔科夫模型HMM
- 隐马尔科夫模型HMM
- 隐马尔科夫模型HMM自学
- HMM Tutorial 隐马尔科夫模型
- 隐马尔科夫模型HMM
- HMM 隐马尔科夫模型
- 隐马尔科夫模型HMM
- 隐马尔科夫模型HMM自学
- iOS开发 — (UINaVigationController)导航控制器,界面传值
- iOS开发-常用第三方开源框架介绍
- 每天5道面试题(二)java基础
- 【POJ 1039】 Pipe (叉积判方向+叉积求交)
- 统计学习方法笔记--EM算法--三硬币例子补充
- 隐马尔科夫模型 介绍 HMM python代码
- 隐马尔科夫模型,第三种问题解法,维比特算法(biterbi) algorithm python代码
- 贝叶斯网络(Bayesian network))简介(PRML第8.1节总结)概率图模型(Graphical models)
- 条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 概率有向图 (PRML8.2总结)
- 马尔可夫随机场(Markov random fields) 概率无向图模型 马尔科夫网(Markov network)
- 概率图模型之有向图与无向图之间的关系 I map D map perfect map(完美图) 概念
- 图模型的统计推断 inference in graphical models(马尔科夫链的推断)
- 算法中的渐进符号 (符号总结说明)
- uboot简介