[计算机软件及应用]隐马尔可夫模型有具体例子_方便理解.pptVIP

例（续） 2.当t=2时： 3.当t=3时： 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： 问题 2—解码问题 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。 qt=Si产生出 o1,…ot的最大概率，即： 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 Viterbi算法（续） 目标：给定一个观察序列和HMM模型，如何有效选择“最优”状态序列，以“最好地解释”观察序列 “最优”→概率最大： Viterbi变量： 递归关系： 记忆变量： 记录概率最大路径上当前状态的前一个状态 Viterbi算法（续） 初始化： 递归： 终结： 路径回溯： 例子（Viterbi算法应用） HMM模型如下，试根据Viterbi算法计算产生观察符号序列O={ABAB}的最优状态序列Q。 状态集Q｛S1,S2,S3｝ 观察序列集O={A,B} 例（续） ?初始概率矩阵π=(1,0,0), 即开始时处于状 态1。按照上面的公式，我们依次递推解出