动态规划之(HMM)和(Viterbi Algorithm)
1. 实际问题
HMM-韦小宝的骰子
• 两种骰子,开始以2/5的概率出千。
– 正常A:以1/6的概率出现每个点
– 不正常B: 5,6出现概率为3/10,其它为1/10
• 出千的随机规律
观测到其一次投掷结果
Y={
1,3,4,5,5,6,6,3,2,6}
问题是韦小宝何时出千了?
2. 马尔可夫模型(HMM)介绍
隐马尔可夫模型(Hidden Markov Model,HMM)作为一种统计分析模型,创立于20世纪70年代。80年代得到了传播和发展,成为信号处理的一个重要方向,现已成功地用于语音识别,行为识别,文字识别以及故障诊断等领域。模型如下图所示:
隐马尔可夫模型是马尔可夫链的一种,它的状态不能直接观察到,但能通过观测向量序列观察到,每个观测向量都是通过某些概率密度分布表现为各种状态,每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以,隐马尔可夫模型是一个双重随机过程—-具有一定状态数的隐马尔可夫链和显示随机函数集。自20世纪80年代以来,HMM被应用于语音识别,取得重大成功。到了90年代,HMM还被引入计算机文字识别和移动通信核心技术“多用户的检测”。HMM在生物信息科学、故障诊断等领域也开始得到应用。
隐马尔可夫模型(HMM)可以用五个元素来描述,包括2个状态集合和3个概率矩阵:
2.1 HMM数学模型表达
(1)隐过程为 X={
X1,X2,X3,...,XT}
(2)观察过程为 Y={
Y1,Y