第9章 隐马可夫模型（HMM）.pptVIP

一个关于天气的3状态马尔可夫模型 一个关于天气的3状态马尔可夫模型 已知一天(t=1)的天气是晴（S3），问：其后7天的天气为“晴，晴，雨，雨，晴，多云，晴”的概率是多少？ 观察序列O={S3，S3，S3，S1，S1，S3，S2，S3} 对应时间t=1,2,3,4,5,6,7,8 五、隐马尔可夫模型的基本算法 识别问题：给定观测符号序列 和模型 ，如何快速有效地计算输出概率 估计模型产生观测符号序列的最有可能经过的路径。所有可能的路径中，概率最大的路径。 模型训练问题：调整模型参数，使得输出概率最大。 1、前向－后向算法Forward-Backward 给定一个观测序列 以及一个模型 ，由模型产生出的概率 直接方法，列举所有可能的路径，计算输出概率，然后求和。计算量为2TNT。如状态数N=5,观测值序列长度T=100，计算量为1072。 前向－后向算法 √前向算法 一个前向变量 给定模型下，产生t以前的部分观测符号序列（包含t 在内） ，且t时刻又处于状态 的概率。 迭代算法 初始化： 迭代计算： 最后计算： √后向算法