HMM中第三个问题就是如何进行对HMM进行训练A和B
本章主要通过前向-后向(forward-backward)算法或者叫Baum-Welch算法来主要讲解如何对矩阵A和B进行训练
HMM训练描述为:
给定HMM状态集合,和一系列观测序列,如何对A和B进行训练。
符号C(i→j) 记做从状态i转移到状态j的个数,则转移矩阵为:
其中Q为状态集合。
符号β记做后项概率,表示:给定λ,和t时刻状态在j情况下,看到观测序列Ot+1 ...OT的概率
即:
类似前向算法,后向算法可以描述如下:
1.初始化:
2.递归计算:
3.终止: