标签:技术 分布 导致 转移 时间 com 过程 改变 就是
隐马尔可夫模型,是一种概率图模型,一种著名的有向图模型,一种判别式模型。主要用于时许数据建模,在语音识别、自然语言处理等领域广泛应用。
概率图模型分为两类,一类:使用有向无环图表示变量间的依赖关系,称为有向图模型或者贝叶斯网;第二类:使用无向图表示变量间的依赖关系,称为无向图模型或者马尔可夫网。
判别式模型:考虑条件分布P(Y, R | O),生成式模型:考虑联合分布P(Y, R, O)
随机过程中某一时刻的状态st的概率分布为:
p(st|st-1,st-2,...,s0)=p(st|st-1)
即:t 时刻的状态仅依赖于 t-1 时刻的状态,与其余状态无关,这就是所谓的“马尔可夫链”
在马尔可夫链中,每一圆圈代表相应时刻的状态,有向边代表可能的状态转移,权重表示状态转移的概率
HMM模型可以用五元组(O, S, A, B, π)表示。其中
根据以上HMM模型五元组表示,我们可以归纳出HMM模型解决的三类主要问题。
已知:状态转移矩阵 A, 初始状态概率 π,输出矩阵 B,观测序列
求:求该观测序列的可能性
解决算法:向前(forward)算法或者向后(backward)算法
已知:状态转移矩阵A,初始状态概率 π,输出矩阵B,观测序列
求:最有可能产生该观测序列的隐藏状态序列
解决算法:维特比(Viterbi)算法,一种动态规划算法
已知:很多观测序列
求:估计HMM模型参数的可能取值
解决算法:鲍姆韦尔奇(Baum-Welch)算法
标签:技术 分布 导致 转移 时间 com 过程 改变 就是
原文地址:https://www.cnblogs.com/reaptomorrow-flydream/p/9688730.html