CRF基础知识学习.pptxVIP

条件随机场Conditional Random Fields2017-10-24内容隐马尔可夫模型最大熵模型条件随机场模型 隐马尔可夫模型 隐马尔可夫模型(Hidden Markov Model，HMM)是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步分析，例如模式识别。 离散马尔可夫过程 设有 N 个不同状态 的随机过程，令 t=1,2,…表示不同的时间点， 表示 时刻随机过程所处的状态， 表示状态 到 的转移概率。当随机过程满足：当前所处的状态仅与它之前的一个状态有关，即 时，该随机过程为马尔可夫随机过程。隐马尔可夫模型 一个完整的隐马尔可夫模型要求两个具体的模型参数 N 和 M ，和三个概率矩阵A, B, π，也即隐马尔可夫模型可形式化定义为一个五元组(N,M,A,B,π) 。1）模型中的状态数N。模型中的各个状态是相互连结的，任何状态能从其它状态到达。用 S 表示各个状态的集合， ， 表示 t 时刻的状态。2）模型中各状态不同的观察符号，即输出字符个数M。 V表示各字符集合， 。3 ）状态转移概率分布A。 ，其中，