第9章_隐马尔可夫模型导论.ppt

Viterbi算法:连乘积→对数求和 前向算法:引入比例因子 其中,比例因子 HMM总结 HMM模型可以看作一种特定的Bayes Net HMM模型等价于概率正规语法或概率有限状态自动机 HMM模型可以用一种特定的神经网络模型来模拟 优点：研究透彻，算法成熟，效率高，效果好，易于训练 例（续） 4.当t=4时： 所以最终有： P(O| λ)= ?4(1)+ ?4(2)+ ?4(3)=0.0717696 即观察序列O由HMM模型?产生的概率 例（续） 最后将其计算过程示意图表示如下： 前向变量图示 后向变量 类似前向变量而定义后向变量βt(i)，作为在时刻t处于状态Si并观测到部分序列Ot+1,…,OT的概率。 βt(i)＝P(Ot+1…OT|qt=Si, λ) 递归计算 后向算法 后向变量图示 后向变量： 问题 二—解码问题 给定观测序列O=｛O1O2…OT｝和HMM的模型λ，计算与序列O相对应的最佳状态序列Q=｛q1q2…qT｝。 所求的 Q 应当在某个准则下是 “ 最优 ” 的 , 因此也称 Q 为最优路径 , 解码问题即是确定最优路径的问题。 解决问题二—Viterbi算法 Viterbi 算法也是类似于前向算法的一种网格结构 定义δt(i)为时刻t沿状态序列q1,q2,…,qt且 q