1、离散马尔科夫过程
该过程的特点是当前的状态仅仅与它之前的一个状态有关。
状态转移概率有两个属性,大于零,转移矩阵的每一个横行加一起来和为1.
2、隐马尔科夫要素
五元组:两个模型参数和三个概率矩阵。
N: 模型中状态数
M:输出字符的个数
A:状态转移概率分布
B:观察字符在状态j时的概率分布
π:初始状态分布
3、forward-backward算法
给定一个模型λ和一个观察序列,计算模型产生这个观察序列的概率
最直接的方法枚举长度为T,状态数为N ,枚举的计算量为2T乘N的T次方,
利用该算法后计算量为N的平方乘T.
该过程的特点是当前的状态仅仅与它之前的一个状态有关。
状态转移概率有两个属性,大于零,转移矩阵的每一个横行加一起来和为1.
2、隐马尔科夫要素
五元组:两个模型参数和三个概率矩阵。
N: 模型中状态数
M:输出字符的个数
A:状态转移概率分布
B:观察字符在状态j时的概率分布
π:初始状态分布
3、forward-backward算法
给定一个模型λ和一个观察序列,计算模型产生这个观察序列的概率
最直接的方法枚举长度为T,状态数为N ,枚举的计算量为2T乘N的T次方,
利用该算法后计算量为N的平方乘T.