HMM基础-HMM训练-前向后向算法

HMM中第三个问题就是如何进行对HMM进行训练A和B

本章主要通过前向-后向（forward-backward）算法或者叫Baum-Welch算法来主要讲解如何对矩阵A和B进行训练

HMM训练描述为：

给定HMM状态集合，和一系列观测序列，如何对A和B进行训练。

符号C(i→j) 记做从状态i转移到状态j的个数，则转移矩阵为：

其中Q为状态集合。

符号β记做后项概率，表示：给定λ，和t时刻状态在j情况下，看到观测序列Ot+1 ...OT的概率

即：

类似前向算法，后向算法可以描述如下：

1.初始化：

2.递归计算：

3.终止：