Tree-Based State Tying for High Accuracy Modelling 公式理解

这篇博客主要是对其公式的理解
【和同学讨论后发现自己理解有问题，原因就是这里的那个occupation counts($\gamma$)是个概率，而且这个概率还是之前HMM中估计参数的时候用的那个】

以下内容有误还未修改，不建议看继续看

前情提要
该论文主要是语音识别用决策树对三音素的HMM状态进行聚类。
其实就是决策树的一种分裂时选择问题的方式。我们一般用信息增益，信息增益比，基尼指数，方差，但这里用的是对观测特征的似然。
先给出论文中的公式

$L(S)=\sum_{f\in F}\sum_{s\in S}log(Pr(o_f;\mu(S),\sum(S)))\gamma_s(o_f)\quad(1)$

[嗯，然后论文中竟然还少了一个括号，再加上写的这么复杂，刚开始我都不知道那个少的括号补在哪里]

$L(S)=-\frac{1}{2}(log[(2\pi)^n|\sum(S)|]+n)\sum_{s\in S}\sum_{f\in F}\gamma_s(o_F)\quad(2)$

自己理解下的推导
用似然作为标准其实就是希望对于训练数据的所有观测帧集合O似然增大，即

$argmax_{S_y,s_n} L(F|S_y)+L(F|S_n)-L(S)$
其中$S_y,S_n$组成集合S，S和论文的含义一样是聚在树种某个node中的三音素状态集合

论文中所求的L(S)其实是L(F|S)，其最直观的表示如下

$$\begin{align} L(F|S)&=\sum_f^{F_{inS}}logP(o_f|\theta)\\ &=\sum_f^{F_{inS}}logP(o_f|N(\mu(S),\sum(S))) \end{align}$$
其中 $F_{inS}$表示在F中出现在S中的 $o_f$组成的集合

论文中貌似为了想统一用F表示，于是写成了如下

$$L(F|S)=\sum_f^Flog P(o_f|N(\mu,\sum))\sum_s^Sp(s|o_f)$$
这个式子就和论文中的公式(1)是一致的。

设$A=\sum_s^Sp(s|o_f)$，其实若f在S中A=1否则A=0。也可以把$o_f$理解为唯一的数据，因此p(s|o_f)就是个0,1二值数。
上式中$p(s|o_f)$就是论文所说的那个后验$\gamma_s(o_f)$，而
$|F_{inS}|=\sum_{f\in F}\sum_{s\in S}p(s|o_F)$

至此完成了一个第一个阶段

---

将n元高斯公式
$P(x|N(\mu,\sum))=\frac{1}{(2\pi)^{\frac{d}{2}}|\sum|^{\frac{1}{2}}}exp(-\frac{1}{2}(x-\mu)^T\sum^{-1}(x-\mu))$

带入就可得到论文中的公式(2),或者是我写的形式

$$L(F|S)=-\frac{1}{2}|F_{inS}|(log[(2\pi)^n\sum(S)|]+n)$$
最难理解的当属那个n了，其实要记住 $\mu,\sum$都是由集合 $F_{inS}$中的数据训练得到的，于是

$n\cdot|F_{inS}|=\sum_f^{F_{inS}}(o_f-\mu)^T\sum^{-1}(o_f-\mu)$

---

不知为什么CSDN打出的公式带有竖线。