HMM——训练算法（前向-后向算法）

这几天在学习HMM模型之训练算法，前向后向算法（又称Baum-Welch）。现将一些没有消化的内容记下来，后面再仔细研究。

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。

1、符号ξ记做：给定观测序列情况下，t时刻状态为i，t+1时刻状态为j的概率，描述为：

 上式中

          

 

代入（1）式可得：

 符号C(i→j) 记做从状态i转移到状态j的个数，则转移矩阵的定义可写成下式：

根据转移矩阵的定义以及上面所求的结果，可以计算转移矩阵的估计值：

    根据a来计算ξ的过程为E-step,根据ξ来算a的过程为M-step，E-step和M-step构成了forward-backward算法的过程。以上就是求矩阵A的前向后项算法（forward-backward）的过程。

 2、如何训练得到发射概率矩阵，暂时并没有理解这一过程，后面有时间再搞清楚，补充。

参考: https://blog.csdn.net/quheDiegooo/article/details/60141241