HMM——后向算法

后向算法

    对于HMM的评估识别问题，利用动态规划可以用前向算法，从前到后算出前向变量；也可以采用后向算法，从后到前算出后向变量。

先介绍后向变量βt(i):给定模型μ=（A,B,π），并且在时间 时刻t状态为si 的前提下，输出序列为Ot+1Ot+2...OT的概率，即

             βt(i)=P(Ot+1Ot+2...OT|qt=si,μ)

归纳过程

   假设仍然有3个状态

   当t=T时，按照定义：时间t时刻状态qT输出为OT+1......的概率，从T+1开始的输出是不存在的（因为T时刻是终止终止状态），即T之后是空，是个必然事件，因此βt(i)=1,1≤1≤N

    当t=T-1时，

       βT-1(i)=P(OT|qT-1=si,μ) = ai1*b1（OT)*βT(1)+ai2*b2（OT)*βT(2)  + ai3*b3（OT)*βT(3)

 ......

     当t=1时，

   β1(1)=P(O2O3...OT|q2=s1,μ)= a11*b1（O2)*β2(1) + a12*b2（O2)*β2(2)+ a13*b3（O2)*β2(3)

   β1(2)=P(O2O3...OT|q2=s1,μ)= a21*b1（O2)*β2(1) + a22*b2（O2)*β2(2)+ a23*b3（O2)*β2(3)

    β1(3)=P(O2O3...OT|q2=s1,μ) = a31*b1（O2)*β2(1)+ a32*b2（O2)*β2(2) + a33*b3（O2)*β2(3)

   P(O1O2...OT|μ)=  

                          = 

                          =

<