隐马尔可夫模型(HMM)

1、基本概念

隐马尔可夫模型(Hidden Markov Model,HMM)描述由隐藏的马尔可夫链随机生成观测序列的过程,属于生成模型。
HMM是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列(状态序列),再由各个状态生成一个观测而产生的观测随机序列(观测序列)的过程。

2、隐马尔可夫模型的三个基本问题

(1) 概率计算问题。给定模型λ=(A,B,π)和观测序列О= (01,02,… ,oT),计算在模型λ下观测序列O出现的概率P(O|A)。
(2) 学习问题。已知观测序列О= (o1, o2, … , oT),估计模型λ=(A,B,π)参数,使得在该模型下观测序列概率P(O|λ)最大。即用极大似然估计的方法估计参数。
(3) 预测问题,也称为解码(decoding)问题。已知模型λ=(A,B,π)和观测序列O =(o1,o2,… , oT),求对给定观测序列条件概率P(I|O)最大的状态序列Ⅰ =(i1,i2,:… , iT)。即给定观测序列,求最有可能的对应的状态序列。(可进行分词)

A是隐藏状态转移概率的矩阵,B是观测状态生成概率的矩阵,π是隐藏状态的初始概率分布。
假设1(齐次马尔科夫性假设):当前状态只依赖于前一个状态。即假设隐藏的马尔科夫链在任意时刻t的状态只依赖于其前一时刻的状态,与其他时刻的状态及观测无关,也与时刻t无关;
假设2(观测独立性假设):即假设任意时刻的观测只依赖于该时刻的马尔科夫链的状态,与其他观测即状态无关。(观测值只与当前状态有关)
(1) 概率计算问题

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值