![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
HMM
wangxhhtc
这个作者很懒,什么都没留下…
展开
-
隐马尔可夫模型(HMM)的MATLAB实现——Baum-Welch算法
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-11-07 15:11:37 · 2510 阅读 · 1 评论 -
隐马尔可夫模型(HMM)的MATLAB实现——Viterbi算法
维特比算法实际是用动态规划求解隐马尔可夫模型解码问题,即用动态规划求概率最大路径(最优路径)。代码中有示例,来自李航《统计学习方法》function [Delta,Psi,P,I] = Viterbi(A,B,Pi,O)% 函数功能:利用维特比算法找到观测序列O的最优路径%% 参考文献:李航《统计学习方法》%% 思路:% 1,初始化% delta_1(i) = Pi_i *...转载 2019-11-07 15:07:42 · 1296 阅读 · 0 评论 -
隐马尔可夫模型(HMM)的MATLAB实现——前向后向算法
由于研究需要,在网上找了不少关于隐马尔可夫模型的MATLAB程序,可能是没有耐下心去看,总之感觉看懂别人写的程序很费劲,所以就自己动手写了一下。主要的参考书目是李航的《统计学习方法》,并实现了书中部分例题和习题的解答,关于隐马尔可夫模型的理论知识不再赘述,这方面的经典论文和网上的优秀博客很多,这里介绍两篇经典的论文:1,Bilmes L,et al. A Gentle Tutorial of...转载 2019-11-07 14:40:41 · 1818 阅读 · 3 评论 -
HMM学习最佳范例(五)总结
八、总结(Summary) 通常,模式并不是单独的出现,而是作为时间序列中的一个部分——这个过程有时候可以被辅助用来对它们进行识别。在基于时间的进程中,通常都会使用一些假设——一个最常用的假设是进程的状态只依赖于前面N个状态——这样我们就有了一个N阶马尔科夫模型。最简单的例子是N = 1。 存在很多例子,在这些例子中进程的状态(模式)是不能够被直接观察的,但是可以非直接地,或者概率地被观...转载 2019-11-07 11:28:42 · 131 阅读 · 0 评论 -
HMM学习最佳范例(四)前向-后向算法
七、前向-后向算法(Forward-backward algorithm)根据观察序列生成隐马尔科夫模型(Generating a HMM from a sequence of obersvations) 与HMM模型相关的“有用”的问题是评估(前向算法)和解码(维特比算法)——它们一个被用来测量一个模型的相对适用性,另一个被用来推测模型隐藏的部分在做什么(“到底发生了”什么)...转载 2019-11-07 11:27:48 · 503 阅读 · 0 评论 -
HMM学习最佳范例(三)维特比算法
六、维特比算法(Viterbi Algorithm)寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states) 对于一个特殊的隐马尔科夫模型(HMM)及一个相应的观察序列,我们常常希望能找到生成此序列最可能的隐藏状态序列。1.穷举搜索 我们使用下面这张网格图片来形象化的说明隐藏状态和观察状态之间的关系: 我...转载 2019-11-07 10:19:38 · 270 阅读 · 0 评论 -
HMM学习最佳范例(二)前向算法
五、前向算法(Forward Algorithm)计算观察序列的概率(Finding the probability of an observed sequence)1.穷举搜索( Exhaustive search for solution) 给定隐马尔科夫模型,也就是在模型参数(pi, A, B)已知的情况下,我们想找到观察序列的概率。还是考虑天气这个例子,我们有一个用来描述天...转载 2019-11-07 09:53:34 · 433 阅读 · 0 评论 -
HMM学习最佳范例(一)介绍-生成模式-隐藏模式-隐马尔科夫模型
隐马尔科夫模型(HMM)依然是读者访问“我爱自然语言处理”的一个热门相关关键词,我曾在《HMM学习最佳范例与崔晓源的博客》中介绍过国外的一个不错的HMM学习教程,并且国内崔晓源师兄有一个相应的翻译版本,不过这个版本比较简化和粗略,有些地方只是概况性的翻译了一下,省去了一些内容,所以从今天开始计划在52nlp上系统的重新翻译这个学习教程,希望对大家有点用。一、介绍(Introduction)...转载 2019-11-07 09:45:39 · 249 阅读 · 0 评论