hmm解码：维特比

hr_net

于 2022-10-12 15:13:01 发布

阅读量217

点赞数

文章标签：机器学习

本文链接：https://blog.csdn.net/qq_38742161/article/details/127283345

版权

hmm 解码部分：维特比 矩阵编程

#hmm 解码部分：维特比矩阵编程

import numpy as np

def Viterbi(A, B):
    """
    :para:A 发射矩阵
    :para:B 状态转移矩阵
    """
    #row为观测的样本数/序列长度；col为状态变量数量
    (row, col) = A.shape
    #首个样本的观测概率分布/当前col个状态的最佳分数
    score = A[0, :]
    #记录首个样本的最优路径（None->第一时刻col个结点）
    path = [[j, None] for j in range(col)]
    #从第二个时刻开始遍历
    for i in range(1, row):
        #计算i-1到i时刻，各个转移状态的分数；数组s[a][b]表示i-1时刻的a状态转移到i时刻b状态的得分
        s = score[:, None] + B + A[i, None, :]
        #计算到i时刻col个状态的最高得分的i-1时刻状态路径
        j = np.argmax(s, axis=0)
        #计算到i时刻col个状态的最高得分
        score = np.take_along_axis(s, j[None, :], axis=0)[0]
        #计算到i时刻col个状态的最高得分的全量路径
        path = [[ii, path[jj]] for (ii, jj) in enumerate(j)]
    #选取最后一个时刻的最佳路径
    l = path[np.argmax(score)]

    #路径抽取
    path = []
    while l is not None:
        path.append(l[0])
        l = l[1]
    path.reverse()
    print(path)
    return path


A = np.array([
    [0, 1, 4, 2],
    [0, 1, 2, 4],
    [1, 7, 2, 1],
    [0, 0, 5, 0],
    [0, 0, 0, 0],
    [0, 0, 0, 0],
], 'float32')

B = np.array([
    [8, 2, 0, 0],
    [2, 8, 2, 0],
    [0, 2, 8, 2],
    [0, 0, 2, 8],
], 'float32')

Viterbi(A, B)