学习算法
1.1 监督学习算法
假设已给训练数据包含 S 个长度相同的观测序列和对应的状态序列
- 转移概率 aij 的估计
设样本中时刻 t 处于状态
â ij=Aij∑Nj=1,i=1,2,⋯,N,j=1,2,⋯,N
- 观测概率 bj(k) 的估计
设样本中状态为 j 并观测为
b̂ =Bjk∑Mk=1Bjk,j=1,2,⋯,N;k=1,2,⋯,M
- 初始状态概率 πi 的估计 π̂ i 为 S 个样本中初始状态为
qi 的频率
1.2 非监督学习算法(Baum-Welch 算法)
假设给定训练数据只包含 S 个长度为
P(O|λ)=∑IP(O|I,λ)P(I|λ)
它的参数学习可以由 EM 算法实现
算法步骤及推导:
- 确定完全数据的对数似然函数
所有观测数据写成 O=(o1,o2,⋯,oT) ,所有隐数据写成 I=(i1,i2,⋯,iT) , 完全数据是 (O,I)=(o1,o2,⋯,oT,i1,i2,⋯,