参考:《统计学习方法》——李航;隐马尔可夫模型——码农场
摘要
介绍隐马尔可夫模型的基本概念、概率计算、学习方法、预测方法等内容。
正文
1. 基本概念
隐马尔可夫模型是关于时序的模型,描述一个隐藏的马尔可夫链随机生成不可观测的状态序列,再由各个状态序列生成一个可观测的观测序列的过程。模型由初始概率分布()、状态转移概率分布(
)、观测概率分布(
)决定,即模型可以表示为
。
状态转移矩阵:
,
其中表示从状态
转变为状态
的概率,即
。
观测矩阵:
,
其中表示在时刻
处于状态
时,观测为
的概率,即
。
初始概率分布:
,
其中表示初始时处理状态
的概率,即
。
需要注意的是,从模型的定义上来看,模型有两个假设:当前时刻的状态只与前一时刻的状态相关(齐次马尔可夫性);当前时刻的观测只取决于当前的状态(观测独立性)。
注:笔者在看书时有个疑惑,即在时刻状态为
,
时刻的状态是
还是
。应该是前者,即中间状态噏状态相关,与观测无关。
2. 概率计算
马尔可夫模型的概率计算问题,可以归结为给定模型和观测序列
,计算在模型
下观测序列出现的概率
。可以利用前向后向算法来计算。
2.1前向算法
前向概率:给定马尔可夫模型,定义到时刻
时,状态为
,观测序列为
的概率为前向概率。即
。
假设初始值为
,
时刻