隐马尔可夫模型Hidden Markov Model(1)
来源:互联网 发布:淘宝卖家怎么合并发货 编辑:程序博客网 时间:2024/06/06 00:53
隐马尔可夫模型
本文只求说得明白易懂,有些叙述可能不够严格。严格的数学描述,请参阅相关教材或者专著。
1. Markov性质
1.1 定义
一个系统,从系统中可以取得一个随机变量序列。该随机变量所有可能的取值的集合,组成 状态空间。
假设所取得的序列为
那么, 如下公式成立:
即,随机序列中的下一个状态分布,只与当前的状态有关,而与以前的状态无关。这种性质称为马尔可夫性。具备Markov性质的离散随机过程,称为Markov链。
具有马尔可夫性质的随机序列,从前一个状态转移到下一个状态的概率分布是确定的。所以,每个Markov链都会伴随一个状态转移矩阵。
1.2 举例
虽然在理论上的定义很简洁,但是在实际生活中,很难找到一个完全符合马尔可夫性的实例。下面我们尝试举两个例子,以方便理解。
一些宗教流派认为,生命可以通过“转世”,一直在世间永恒存在。生命在世间有多种存在形式,比如猪、狗、植物、细菌、人等。生命在“来世”到底变成哪种生物,有一定概率,且这个概率只与“现世”的生命形式有关。假如我们将生命的形式简化为
动物、植物、人
三类,那么该系统的状态空间为
S={动物,植物,人}(a)
生命在世间的存在形式形成一个“转世序列”——马尔可夫链。不同生命形式间的转化,会有一个概率,形成一个概率矩阵:A=⎡⎣⎢0.30.50.20.20.40.40.50.10.4⎤⎦⎥(a)
其中,aij 表示状态空间中第i个状态向第j个状态转化的概率。例如,植物向人类转化的概率,只有0.1。掷色子也是具有马尔可夫性的,因为其每次掷色子都是相互独立的,当然也符合无后效性。其状态转移矩阵为:
⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢161616161616161616161616161616161616161616161616161616161616161616161616⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥(a) - 对于确定的状态跃迁模型,也可以用状态转移矩阵予以描述。例如,红绿灯,状态迁移总是遵循如下规则:红–>绿–>黄–>红。假设状态集合按红绿黄排列,则迁移矩阵为:
⎡⎣⎢001100010⎤⎦⎥(a)
0 0
- 隐马尔可夫模型Hidden Markov Model(1)
- 隐马尔可夫模型(Hidden Markov Model,HMM)
- 隐马尔可夫模型(Hidden Markov Model,HMM)
- 隐马尔可夫模型Hidden Markov Model
- 隐马尔可夫模型(Hidden Markov Model)
- 隐马尔可夫模型hidden Markov model
- 隐马尔可夫模型(Hidden Markov Model,HMM)是什么?
- 隐马尔可夫模型(Hidden Markov Model - HMM)
- 隐马尔可夫模型 (Hidden Markov Model,HMM)
- 隐马尔可夫模型 (Hidden Markov Model,HMM)理解
- 隐马尔可夫模型 (Hidden Markov Model,HMM)
- 隐马尔可夫模型(hidden Markov model, HMM)
- 隐马尔科夫模型(HIDDEN MARKOV MODEL)
- 隐马尔科夫模型(Hidden Markov Model,HMM)
- 隐马尔科夫模型(Hidden Markov Model,HMM)
- 隐马尔科夫模型(Hidden Markov Model,HMM)
- 隐马尔科夫模型(Hidden Markov Model,HMM)
- 隐马尔科夫(Hidden Markov Model,HMM)详解
- Android权限Uri.parse的详细资料
- Android 高德地图的定位,周边搜索
- MACOSX下查看某个端口被哪个程序占用及杀进程方法
- TeX、Markdown的使用感受
- iOS开发之表视图爱上CoreData
- 隐马尔可夫模型Hidden Markov Model(1)
- 9--队列的定义及实现
- AutoHotkey 命令列表
- java发送http的get、post请求
- jstl-c标签截取字符串
- c# MACD 算法实现
- 【LeetCode】字符串反转函数的几个算法 Reverse String
- 10--排序
- CSS样式网页导航条