隐马尔可夫模型HMM学习笔记

最新推荐文章于 2024-09-16 14:57:35 发布

WUYANGEZRA

最新推荐文章于 2024-09-16 14:57:35 发布

阅读量244

点赞数

分类专栏： ML 文章标签：机器学习

本文链接：https://blog.csdn.net/Ezra1991/article/details/115142748

版权

本文介绍了隐马尔可夫模型（HMM）的学习笔记，重点讲解了维特比算法的详细过程，并通过一个具体的例子来演示如何求解最可能的隐藏状态序列。内容包括算法的初始化、动态规划递推、回溯步骤，以及实例计算。

摘要由CSDN通过智能技术生成

参考：

https://www.cnblogs.com/pinard/p/6945257.html

https://www.cnblogs.com/pinard/p/6991852.html

https://www.hankcs.com/ml/hidden-markov-model.html

例子详细计算过程：

Q是所有可能的隐藏状态的集合，V是所有可能的观测状态的集合，则

$Q=\{q_{1},q_{2},q_{3}\}$ ,分别表示盒子1、盒子2、盒子3，此时N=3；

$V=\{v_{1}, v_{2}\}$ ，分别表示红色、白色，此时N=2；

对于一个长度为3的序列，I是对应的状态序列, O是对应的观察序列

　　　　假设我们有3个盒子，每个盒子里都有红色和白色两种球，这三个盒子里球的数量分别是：

盒子	1	2	3
红球数	5	4	7
白球数	5	6	3

　　　　按照下面的方法从盒子里抽球，开始的时候，从第一个盒子抽球的概率是0.2，从第二个盒子抽球的概率是0.4，从第三个盒子抽球的概率是0.4。以这个概率抽一次球后，将球放回。然后从当前盒子转移到下一个盒子进行抽球。规则是：如果当前抽球的盒子是第一个盒子，则以0.5的概率仍然留在第一个盒子继续抽球，以0.2的概率去第二个盒子抽球，以0.3的概率去第三个盒子抽球。如果当前抽球的盒子是第二个盒子，则以0.5的概率仍然留在第二个盒子继续抽球，以0.3的概率去第一个盒子抽球，以0.2的概率去第三个盒子抽球。如果当前抽球的盒子是第三个盒子，则以0.5的概率仍然留在第三个盒子继续抽球，以0.2的概率去第一个盒子抽球，以0.3的概率去第二个盒子抽球。如此下去，直到重复三次，得到一个球的颜色的观测序列:

O={红,白,红}

初始状态分布为：

$\prod =(0.2,0.4,0.4)^{T}$