前言:
目录
1: 监督学习算法
2: Baum-Welch 算法
一 监督学习算法
假设给定训练数据包包含S个长度相同的观测序列和对应的状态序列
,那么可以利用极大似然估计方法来估计隐马尔可夫模型的参数
1.1 状态转移概率的估计
1.2 观测概率的估计
设样本钟状态为j并且观测为k的频率为,则
k=1,2,...M
1.3 初始状态的估计为S样本中初始状态为
的频率
二 Baum-Welch 算法
给定训练数据包含S个长度为T的观测序列
目标:
学习隐马尔可夫模型
预置条件:
O: 观测数据
I: 不可观测隐数据
2.1 确定完全数据的对数似然函数
观测数据写成
隐藏数据写成:
完全数据
完全数据的对数似然
2.2 EM算法的E步: 求Q函数
其中是已知值
则 Q函数可以写成
2.3 EM算法的M步: 极大化Q函数,求解A,B,
上式可以分为3个部分
1:根据约束条件, 利用拉格朗日乘子法,写出拉格朗日函数
对求偏导数
则
2: 第二项可以写成
根据约束条件 ,拉格朗日乘子法求导
求偏导数
则
3 根据约束条件,只有时候,对的偏导数才不为0,
用函数 表示
第三项配成拉格朗日
则
.2.3 Baum-Welch 模型参数估计公式
2.4 算法流程