Saturday Nov 15, 2008

HMM(Hidden Markov Model) 隐马尔可夫的学习小结

前段时间学习了一下隐马尔可夫模型,这里做了一个简单总结,把隐马尔可夫那些事做个罗列,一来以后复习也有个头绪,二来为将要学习的人做个提示吧。
马尔可夫有两个重要的基本原理:    

  • 有限视野
  • 时间不变性 

具体的内容请自行查阅,这是整个HMM的前提。

隐马尔可夫模型 HHM:
一般模型: 五元组(S, K, Π, A, B)
S: 状态集
K: 输出字母表(其实就是观测结果集合)
Π: 初始状态概率
A: 状态转移概率
B: 符号发射概率

HMM的三个基本问题
  1>已知模型参数μ = (A, B, π),计算某个观测序列发生的概率,即求P(O|μ)
    向前向后算法 Forward-backward algorithm.
  2>给出观测序列O和模型μ,怎样选择一个状态序列X(X1,X2,...XT+1),能最好的解释观测序列O
    Viterbi算法 (http://en.wikipedia.org/wiki/Viterbi_algorithm)
  3>给出观测序列O,寻找最可能的状态转移以及输出该序列的概率
    Baum-Welch算法 (http://en.wikipedia.org/wiki/Baum-Welch_algorithm)

参考资料:
http://en.wikipedia.org/wiki/Hidden_Markov_model
Forward Algorithm: http://www.comp.leeds.ac.uk/roger/HiddenMarkovModels/html_dev/forward_algorithm/s1_pg7.html

About

williamxue

Search

Archives
« April 2014
SunMonTueWedThuFriSat
  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
   
       
Today