HMM杂记

在接触了GMM之后， 选择将HMM进行了了解，网上的基础资料还是挺多的！

http://blog.csdn.net/likelet/article/details/7056068这篇博文就基本说全了整个过程！

HMM主要是：评估，解码，学习，这三个问题！

评估：已知：多个HMM，and 观察的序列O，通过计算模型对O的概率大小来选取或者评估这个模型的好坏，在做出取舍！用到的算法就是前像算法forward algorithm，其中要注意就是初始状态的选取Pi，其中的好坏的总概率是通过各种state求和之后再时间序列上求积或者求和！

解码：已知：已经选择适当的HMM，and 观察的序列O，通过求取对于O概率最大的路径，将潜藏的state解出，这就是解码！用到的技巧就是用指向前项的指针将相邻时间序列相互关联最大的state连接起来！

学习：已知：state的类别个数，and观察的序列O,使用EM和梯度下降及动态规划的思想，引入后向算法backward algorithm,采用前向-后向算法，迭代求取合适HMM参数。需要注意的是t=1,T,及序列的首尾，一定认真选取首末状态，和清楚各个矩阵的各维度的意义，后面迭代公式的意义更要清楚了！ 这也是最重要的！

总结：有人说有其他的实现方式，没有了解，不能说！数学原理还是比较费劲，当然应用的选取就是很重要的了，52nlp当中有例子可以参考！