隐马尔科夫模型(HMM)学习小记
隐马尔科夫模型(HMM)
基于时序的概率模型
定义
Q=[q1,q2...,qN]是所有可能的状态集合V=[v1,v2...vM]是所有目标集合I=[i1,i2...iT]表示长度为T的状态序列O=[o1,o2...oT]表示长度为T的观测序列概率转移矩阵A=[aij]n×naij=P(it+1=qj∣it=qi)(在t时刻)观测概率矩阵B=[bj(k)]N×Mbj(k)=P(ot=vk∣it=qj)初始状态概率向量π=(πi)πi=P(i1=qi)
Q=[q_1,q_2...,q_N]是所有可能的状态
原创
2020-09-18 14:47:36 ·
284 阅读 ·
0 评论