logo

您所在位置网站首页 > 海量文档  > 计算机 > 数据结构与算法

隐马尔科夫模型.pdf 50页

本文档一共被下载: ,您可全文免费在线阅读后下载本文档。

  • 支付并下载
  • 收藏该文档
  • 百度一下本文档
  • 修改文档简介
全屏预览

下载提示

1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
特别说明: 下载前务必先预览,自己验证一下是不是你要下载的文档。
  • 上传作者 小茗(下载加QQ:506618349)(上传创作收益人)
  • 发布时间:2019-04-26
  • 需要金币6(10金币=人民币1元)
  • 浏览人气
  • 下载次数
  • 收藏次数
  • 文件大小:1.97 MB
下载过该文档的会员
目录 1. 隐马尔科夫模型的基本概念 2. 概率计算算法 3. 学习算法 4. 预测算法
你可能关注的文档:
目录 1. 隐马尔科夫模型的基本概念 2. 概率计算算法 3. 学习算法 4. 预测算法 一、隐马尔科夫模型的基本概念 隐马尔科夫模型的定义 观测序列的生成过程 应马尔科夫模型的3个基本问题 隐马尔科夫模型的定义 隐马尔可夫模型是关于时序的概率模型; 描述由一个隐藏的马尔可夫链随机生成不可观测的状态 随机序列(state sequence),再由各个状态生成一个观测 而产生观测随机序列(observation sequence )的过程,序 列的每一个位置又可以看作是一个时刻。 隐马尔科夫模型 组成 初始概率分布 状态转移概率分布 观测概率分布 Q:所有可能状态的集合 V :所有可能观测的集合 I: 长度为T 的状态序列 O:对应的观测序列 隐马尔科夫模型 组成 A :状态转移概率矩阵 隐马尔科夫模型 组成 B:观测概率矩阵  :初始状态概率向量 隐马尔科夫模型 三要素 两个基本假设 齐次马尔科夫性假设,隐马尔可分链t 的状态只和t-1状态 有关: 观测独立性假设,观测只和当前时刻状态有关; 例 :盒子和球模型 盒子: 1 2 3 4 红球: 5 3 6 8 白球: 5 7 4 2 转移规则: 盒子1 下一个 盒子2 盒子2或3 下一个 0.4 左,0.6右 盒子4 下一个 0.5 自身,0.5盒子3 重复5次: O={ 红,红,白,白,红} 例 :盒子和球模型 状态集合:Q={盒子1 ,盒子2 ,盒子3 ,盒子4}, N=4 观测集合:V={红球,白球} M=2 初始化概率分布: 状态转移矩阵: 观测矩阵: 观测序列的生成过程 隐马尔科夫模型的三个基本问题 1 、概率计算问题  给定:  计算: 2、学习问题  已知:  估计: ,使 最大 3 、预测问题 (解码)  已知:  求:使 最大的状态序列 概率计算方法 直接计算法 给定模型: 和观测概率: 计算: 最直接的方法: 列举所有可能的长度为T状态序列 , 求各个状态序列I与观测序列 的联合概率 然后对所有可能的状态序列求和,得到 二、概率计算算法 直接计算法 前向算法 后向算法 一些概率与期望值的计算 概率计算方法 直接计算法 状态序列 概率: 对固定的状态序列I,观测序列O的概率: O和I 同时出现的联合概率为: 对所有可能的状态序列I求和,得到观测O的概率: 复杂度 前向算法 前向概率定义:给定隐马尔科夫模型λ ,定义到时刻t部分 观测序列为: ,且状态为qi 的概率为前向概率, 记作: 初值: 递推: 终止: 前向算法 因为: 所以: 递推: 复杂度 前向算法 减少计算量的原因在于每一次计算,直接引用前一个时 刻的计算结果,避免重复计算。

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码: 点击我更换图片

©2010-2013 max.book118.com在线文档投稿赚钱网. All Rights Reserved 蜀ICP备08101938号