matlab——自带的隐马尔科夫工具箱的使用

最近用到HMM，MATALB自带HMM工具箱  了解一下

1、hmmgenerate函数

[SEQ, STATES] = HMMGENERATE(LEN,TRANSITIONS,EMISSIONS) --->产生一个HMM的随机序列，其中SEQ为产生的序列，STATES为序列中每个观察值所属于的状态；LEN为序列的长度，TRANSITIONS为状态转移矩阵，EMISSIONS为给定状态下观察值的概率分布。

具体的例子：可以运行help hmmgenerate

2、hmmestimate函数

[TR, E] = HMMESTIMATE(SEQ,STATES)--->通过已知的观察值序列SEQ以及每个观察值所属于的状态STATES，来估计状态转移矩阵TR和给定状态下观察值的概率分布E。

3、hmmtrain函数

[ESTTR, ESTEMIT] = HMMTRAIN(SEQS,TRGUESS,EMITGUESS) --->用来解决模型训练问题（调整模型参数，使得输出概率最大），具体使用的是Baum-Welch算法。

4、hmmviterbi函数

STATES = HMMVITERBI(SEQ,TRANSITIONS,EMISSIONS) --->用来估计模型产生观测符号序列的最有可能经过的路径。所有可能路径中，概率最大的路径，具体使用的是viterbi算法。

5、PSTATES = HMMDECODE(SEQ,TRANSITIONS,EMISSIONS)--->输出序列seq的后验状态概率，输出PSTATES为一个矩阵，其中PSTATES（i,i)表示第j个观察值属于第i个状态的概率。

参考：

转自：http://snowlh.blog.163.com/blog/static/223324134201392392637739/

在matlab中自带HMM工具箱实例1：https://www.cnblogs.com/zhizhan/p/4161516.html

在matlab中自带HMM工具箱实例2：https://blog.csdn.net/whiteinblue/article/details/40625291

在matlab中离散连续HMM工具箱实例3：http://blog.sina.com.cn/s/blog_5cd4cccf0101a0bk.html

工具箱下载：http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html

工具箱说明：http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm_usage.html

由于EM算法只能得到局部最优，对于初始选择很关键；对于高斯混合的初始初值设置：

https://www.media.mit.edu/wearables/mithril/BNT/mixtureBNT.txt