隐马尔科夫模型

隐马尔科夫（HiddenMarkov model）简称为HMM，HMM资料相当丰富，推荐参见《HMM学习最佳范例与崔晓源的博客》一文，本文只对HMM进行简要介绍，然后说明开源GHMM实现在linux环境的搭建，HMM的开源实现有众多不同语言的实现。

 

马尔科夫模型

一阶马尔科夫模型假设为：

1、t+l时刻系统状态的概率分布只与t时刻的状态有关，与t时刻以前的状态无关；

2、从t时刻到t+l时刻的状态转移与t的值无关。

数学表达为：

 

依次类推，n阶马尔科夫中当前状态与前面n个时刻的状态有关。

 

隐马尔科夫模型：

在马尔可夫模型中，状态对于观察者来说是直接可见的，但是而在隐马尔可夫模型中,状态并不是直接可见的，但受状态影响的观测变量则是可见的。如下图，x为不同时刻的状态，y为对应时刻的观察量。

 

隐马尔科夫模型三要素：

状态转移矩阵:包含了一个隐藏状态到另一个隐藏状态的概率

观测概率矩阵：包含了某一个隐藏状态观察到的某个观察状态的概率。

初始状态概率向量：初始状态t=1下的状态概率。

 

隐马尔可夫应用：

评估：已知模型参数，求一个观察序列的概率，通常使用forward算法。

解码：给定观察序列搜索最可能的隐藏状态序列，通常使用Viterbi算法。

学习：根据观察序列生成隐马尔科夫模型，通常使用Baum-Welch算法。

 

GHMM在linux下的搭建

GHMM的主页为http://ghmm.sourceforge.net/index.html，上面提供了相关资源链接下载和文档说明。

依赖文件主要为GCC、Libxml2和GSL等，下载最新的源码包并解压缩，通过一些命令进行安装。

> ./configure

> make

> make install

为了能够在python下使用GHMM模块，还需要以下步骤：

> cd ghmmwrapper

> python setup.py build

> python setup.py install

启动python，输入

>importghmm

会出现如下错误，ImportError : libghmm.so.1: cannot open shared object file: No suchfile or directory

解决方案参见http://blog.csdn.net/tangyongkang/article/details/5390015一文。

具体方法为在.bashrc文件中添加：

exportLD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

并Logout之后再 Login，重新导入ghmm模块，运行正常。

>help(ghmm )后，有详细的ghmm模块相关介绍。

 

运行实例结果如下：

 

refer：

http://www.52nlp.cn/hmm-learn-best-practices-and-cui-johnny-blog

http://en.wikipedia.org/wiki/Hidden_Markov_model