参数模型-隐马尔可夫模型.pptVIP

小结 一阶马尔可夫链 隐马尔可夫模型（HMM） HMM的三大核心问题 估值问题 HMM向前算法 HMM向后算法 解码问题 Viterbi算法 对数Viterbi算法 学习问题 向前向后算法 小结 贝叶斯置信网是描述特征之间因果关系的有向无环图 根据贝叶斯置信网计算联合概率 证据 给定证据下的置信度 小结 期望最大化（EM）算法 E步 M步 * * * 黑板画示意图 在黑板上画转移图 书上的算法直接基于向前算法中的alpha，不对 psi * 书上的算法直接基于向前算法中的alpha，不对 gama * * * * * * * E_x(f(x))=\Int f(x)p(x) dx 第一项，p(x_41)的全局积分为1 例子1 鱼分类置信网 0.6 0.2 0.2 0.2 0.3 0.5 例子1 南大西洋捕获一条光亮的鱼，判断鲑鱼还是鲈鱼？ 0.6 0.2 0.2 0.2 0.3 0.5 例子1 南大西洋捕获一条光亮的鱼，判断鲑鱼还是鲈鱼？ a未知 b2=南大西洋 c1=光亮 d未知 先求x1=鲑鱼的概率 e: 例子1 南大西洋捕获一条光亮的鱼，判断鲑鱼还是鲈鱼？ a未知 b2=南大西洋 c1=光亮 d未知 归一化（使得