Viterbi 算法

RT，HMM中的维特比解码，给定观测序列的情况下求概率最大的隐藏的状态序列？

思路：

模拟小蓝本HMM中的例子，

开始前向传播

1. 对于每个观测序列来说，对于每个状态，记录当前的前向向量fai
当初始的第一个观测序列值，fai 由 pai和B求得
否则fai由最大的前向向量和A的乘积最大，然后再乘以B求得

2. 求完每个前向向量，记录当前状态下的最大路径的上一个状态

开始回溯

3. 第N个前向向量求完，取最大的前项向量最大值，得到最终状态

4. 根据最终状态，逐渐回溯，得到最终解码序列

 

代码如下：

A = [
[0.5, 0.2, 0.3],
[0.3, 0.5, 0.2],
[0.2, 0.3, 0.5]

]

B = [
[0.5, 0.5],
[0.4, 0.6],
[0.7, 0.3]

]

pai = [0.2, 0.4, 0.4]

def Viterbi(pai, A, B):
    # pai is list
    # A, B is matrix

    # 1. forward broadcast ..
    for i in range(len(guanceLst)):
        for j in range(len(stateLst)):
            # init
            if i == 0:
                forward[i][j] = pai[j] * B[j][guanceLst[i]]
            else:
                maxx = 0
                # get maxx from last forward vector
                for k in range(len(stateLst)):
                    tmp = forward[i-1][k] * A[k][j]
                    if tmp > maxx:
                        maxx = tmp
                        keep[i][j] = k  # save
                # update forward vector
                forward[i][j] = maxx * B[j][guanceLst[i]]

    # 2. backward
    P = max(forward[len(guanceLst)-1][:])
    last = forward[len(guanceLst)-1][:].indexOf(P)

    # 3. result
    res = []
    res.append(last)
    cur = last
    for w in range(len(guanceLst)-1,1,-1):
        cur = keep[w][cur]
        res.append(cur)

    return res[::-1]