隐马尔科夫模型内容较多,方便阅读,分成2个部分
上接:10_隐马尔科夫模型HMM1_统计学习方法
四、学习算法
估计模型 λ = ( A , B , Π ) \lambda = (A,B,\Pi) λ=(A,B,Π)参数。
隐马尔科夫模型的学习,根据训练数据是包含观测序列和对应的状态序列还是只有观测序列,可以分为监督学习和非监督学习。
1、监督学习方法
假设已给训练数据包含 S S S个长度相同的观测序列和对应的状态序列 { ( O 1 , I 1 ) , ( O 2 , I 2 ) , ⋯ , ( O N , I N ) } \{(O_1,I_1),(O_2,I_2),\cdots,(O_N,I_N)\} {(O1,I1),(O2,I2),⋯,(ON,IN)},那么可以用极大似然估计法来估计隐马尔科夫模型的参数。具体方法如下。
(1)转移概率
a
x
y
a_{xy}
axy的估计
设样本中时刻
t
t\space
t 处于状态
x
x\space
x 时刻
t
+
1
t+1
t+1转移到状态
y
y
y的频数为
A
x
y
A_{xy}
Axy,那么状态转移概率
a
x
y
a_{xy}
axy的估计是
a
^
x
y
=
A
x
y
∑
y
=
1
N
A
x
y
,
x
=
1
,
2
,
⋯
,
N
;
y
=
1
,
2
,
⋯
,
N
(30)
\hat a_{xy} = \dfrac{A_{xy}}{\sum_{y=1}^N A_{xy}},\space x = 1,2,\cdots,N;y = 1,2,\cdots,N \tag{30}
a^xy=∑y=1NAxyAxy, x=1,2,⋯,N;y=1,2,⋯,N(30)
(2)观测概率
b
y
k
b_{yk}
byk的估计
设样本中状态为
y
y
y并观测为
k
k
k的频数是
B
y
k
B_{yk}
Byk,那么状态为
y
y
y观测为
k
k
k的概率
b
y
k
b_{yk}
byk的估计是
b
^
y
k
=
B
y
k
∑
k
=
1
M
B
y
k
,
y
=
1
,
2
,
⋯
,
N
;
k
=
1
,
2
,
⋯
,
M
(31)
\hat b_{yk} = \dfrac{B_{yk}}{\sum_{k=1}^M B_{yk}},\space y=1,2,\cdots,N;k=1,2,\cdots,M \tag{31}
b^yk=∑k=1MBykByk, y=1,2,⋯,N;k=1,2,⋯,M(31)
(3)初始状态概率 π x \pi_{x} πx的估计 π ^ x \hat \pi_{x} π^x为 S S S个样本中初始状态为 q x q_x qx的频数
由于监督学习需要使用训练数据,而人工标注训练数据往往代价很高,有时就会利用非监督学习的方法。
2、非监督学习方法(Baum-Welch算法)
假设给定训练数据只包含
S
S
S个长度为
T
T
T的观测序列
{
O
1
,
O
2
,
⋯
,
O
S
}
\{O_1,O_2,\cdots,O_S\}
{O1,O2,⋯,OS}而没有对应的状态序列,目标是学习隐马尔科夫模型
λ
=
(
A
,
B
,
Π
)
\lambda = (A,B,\Pi)
λ=(A,B,Π)的参数。我们将观测序列数据看作观测数据
O
O
O,状态序列数据看作不可观测的隐数据
I
I
I,那么隐马尔科夫模型事实上是一个含有隐变量的概率模型
P
(
O
∣
λ
)
=
∑
I
P
(
O
∣
I
,
λ
)
P
(
I
∣
λ
)
(32)
P(O|\lambda) = \sum_{I}P(O|I,\lambda)P(I|\lambda) \tag{32}
P(O∣λ)=I∑P(O∣I,λ)P(I∣λ)(32)
它的参数学习可以由EM算法实现。
(1)确定完全数据的对数似然函数
所有观测数据写成
O
=
(
o
1
,
o
2
,
⋯
,
o
T
)
O = (o_1,o_2,\cdots,o_T)
O=(o1,o2,⋯,oT),所有隐数据写成
I
=
(
i
1
,
i
2
,
⋯
,
i
T
)
I = (i_1,i_2,\cdots,i_T)
I=(i1,i2,⋯,iT),完全数据是
(
O
,
I
)
=
(
o
1
.
o
2
,
⋯
,
o
T
,
i
1
,
i
2
,
⋯
,
i
T
)
(O,I) = (o_1.o_2,\cdots,o_T,i_1,i_2,\cdots,i_T)
(O,I)=(o1.o2,⋯,oT,i1,i2,⋯,iT)。完全数据的对数似然函数是
l
n
P
(
O
,
I
∣
λ
)
lnP(O,I|\lambda)
lnP(O,I∣λ)。
Q函数推导。
(2)EM算法的E步:极大化
Q
Q
Q函数
Q
(
λ
,
λ
ˉ
)
Q(\lambda,\bar\lambda)
Q(λ,λˉ)
a
r
g
max
λ
Q
(
λ
,
λ
ˉ
)
=
∑
I
P
(
I
∣
O
,
λ
ˉ
)
l
n
P
(
O
,
I
∣
λ
)
=
∑
I
P
(
O
,
I
∣
λ
ˉ
)
P
(
O
∣
λ
ˉ
)
l
n
P
(
O
,
I
∣
λ
)
=
1
P
(
O
∣
λ
ˉ
)
∑
I
P
(
O
,
I
∣
λ
ˉ
)
l
n
P
(
O
,
I
∣
λ
)
=
a
r
g
max
λ
∑
I
P
(
O
,
I
∣
λ
ˉ
)
l
n
P
(
O
,
I
∣
λ
)
(33)
\begin{aligned}arg\;\max_{\lambda} Q(\lambda,\bar\lambda) & = \sum_{I}P(I|O,\bar\lambda)lnP(O,I|\lambda)\\ & = \sum_{I}\dfrac{P(O,I|\bar\lambda)}{P(O|\bar\lambda)}lnP(O,I|\lambda) \\ & = \dfrac{1}{P(O|\bar\lambda)}\sum_{I}P(O,I|\bar\lambda)lnP(O,I|\lambda) \\ & = arg\;\max_{\lambda} \sum_{I}P(O,I|\bar\lambda)lnP(O,I|\lambda) \tag{33} \end{aligned}
argλmaxQ(λ,λˉ)=I∑P(I∣O,λˉ)lnP(O,I∣λ)=I∑P(O∣λˉ)P(O,I∣λˉ)lnP(O,I∣λ)=P(O∣λˉ)1I∑P(O,I∣λˉ)lnP(O,I∣λ)=argλmaxI∑P(O,I∣λˉ)lnP(O,I∣λ)(33)
其中
λ
ˉ
\bar\lambda
λˉ是隐马尔科夫模型参数的当前估计值,
λ
\lambda
λ是要极大化的隐马尔科夫模型参数 。
由式(13)有
P
(
O
∣
λ
)
=
∑
I
P
(
O
,
I
∣
λ
)
=
∑
I
P
(
O
∣
I
,
λ
)
P
(
I
∣
λ
)
=
∑
i
1
,
i
2
,
⋯
,
i
T
π
i
1
b
i
1
(
o
1
)
a
i
1
i
2
b
i
2
(
o
2
)
⋯
a
i
T
−
1
i
T
b
i
T
(
o
T
)
P(O|\lambda) = \sum_{I} P(O,I|\lambda) = \sum_{I} P(O|I,\lambda)P(I|\lambda)= \sum_{i_1,i_2,\cdots,i_T} \pi_{i_1}b_{i_1}(o_1) a_{i_1 i_2}b_{i_2}(o_2)\cdots a_{i_{T-1}\space\space i_{T}}b_{i_T}(o_T)
P(O∣λ)=I∑P(O,I∣λ)=I∑P(O∣I,λ)P(I∣λ)=i1,i2,⋯,iT∑πi1bi1(o1)ai1i2bi2(o2)⋯aiT−1 iTbiT(oT)
于是函数
Q
(
λ
,
λ
ˉ
)
Q(\lambda,\bar\lambda)
Q(λ,λˉ)可以写成:
Q
(
λ
,
λ
ˉ
)
=
∑
I
P
(
O
,
I
∣
λ
ˉ
)
l
n
π
i
1
+
∑
I
P
(
O
,
I
∣
λ
ˉ
)
∑
t
=
1
T
−
1
l
n
a
i
t
i
t
+
1
+
∑
I
P
(
O
,
I
∣
λ
ˉ
)
∑
t
=
1
T
l
n
b
i
t
(
o
t
)
(34)
\begin{aligned} Q(\lambda,\bar\lambda) = & \sum_{I}P(O,I|\bar\lambda)ln\pi_{i_1} \\ & +\sum_{I}P(O,I|\bar\lambda)\sum_{t=1}^{T-1}ln a_{i_t\,i_{t+1}}\\ & +\sum_{I}P(O,I|\bar\lambda)\sum_{t=1}^{T}ln b_{i_t}(o_t)\tag{34} \end{aligned}
Q(λ,λˉ)=I∑P(O,I∣λˉ)lnπi1+I∑P(O,I∣λˉ)t=1∑T−1lnaitit+1+I∑P(O,I∣λˉ)t=1∑Tlnbit(ot)(34)
式中求和是对所有训练数据的序列总长度
T
T
T进行的。
(3)EM算法的M步:极大化 Q Q Q函数 Q ( λ , λ ˉ ) Q(\lambda,\bar\lambda) Q(λ,λˉ)求模型参数 A , B , Π A,B,\Pi A,B,Π
由于要极大化的参数在式(34)中单独地出现在3个项中,所以只需对各项分别极大化,式(34)中三项分别命名为 Π \Pi Π式、 A A A式和 B B B式。
1)求
Π
\Pi
Π式即式(34)的第1项,可以写成:
∑
I
P
(
O
,
I
∣
λ
ˉ
)
l
n
π
i
1
=
∑
x
=
1
N
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
l
n
π
x
\sum_{I}P(O,I|\bar\lambda)ln\pi_{i_1} = \sum_{x=1}^N P(O,i_1 = q_x|\bar\lambda)ln\pi_{x}
I∑P(O,I∣λˉ)lnπi1=x=1∑NP(O,i1=qx∣λˉ)lnπx
因为有
π
x
\pi_x
πx满足约束条件
∑
x
=
1
N
π
x
=
1
\sum_{x=1}^N \pi_x = 1
∑x=1Nπx=1,利用拉格朗日乘子法,写出拉格朗日函数:
∑
x
=
1
N
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
l
n
π
x
+
γ
(
∑
x
=
1
N
π
x
−
1
)
\sum_{x=1}^N P(O,i_1 = q_x|\bar\lambda)ln\pi_{x} + \gamma\left( \sum_{x=1}^N \pi_x - 1\right)
x=1∑NP(O,i1=qx∣λˉ)lnπx+γ(x=1∑Nπx−1)
对其求偏导数并令结果为0
∂
∂
π
x
[
∑
x
=
1
N
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
l
n
π
x
+
γ
(
∑
x
=
1
N
π
x
−
1
)
]
=
0
(35)
\dfrac{\partial}{\partial \pi_x}\left[\sum_{x=1}^N P(O,i_1 = q_x|\bar\lambda)ln\pi_{x} + \gamma\left( \sum_{x=1}^N \pi_x - 1\right)\right] = 0 \tag{35}
∂πx∂[x=1∑NP(O,i1=qx∣λˉ)lnπx+γ(x=1∑Nπx−1)]=0(35)
得
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
+
γ
π
x
=
0
P(O,i_1 = q_x|\bar\lambda) +\gamma \pi_x =0
P(O,i1=qx∣λˉ)+γπx=0
对
x
x
x求和得到
γ
\gamma
γ
∑
x
=
1
N
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
+
∑
x
=
1
N
γ
π
x
=
0
⟹
γ
=
−
P
(
O
∣
λ
ˉ
)
\sum_{x=1}^N P(O,i_1 = q_x|\bar\lambda) +\sum_{x=1}^N \gamma \pi_x =0 \Longrightarrow \gamma = - P(O|\bar\lambda)
x=1∑NP(O,i1=qx∣λˉ)+x=1∑Nγπx=0⟹γ=−P(O∣λˉ)
代入式(35)即得
π
x
=
P
(
O
,
i
1
=
q
x
∣
λ
ˉ
)
P
(
O
∣
λ
ˉ
)
=
γ
1
(
x
)
(36)
\pi_x = \dfrac{P(O,i_1 = q_x|\bar\lambda)}{P(O|\bar\lambda)} = \gamma_1(x) \tag{36}
πx=P(O∣λˉ)P(O,i1=qx∣λˉ)=γ1(x)(36)
- 给定模型参数 λ ˉ \bar\lambda λˉ和观测 O O O,在时刻1处于状态 q x q_x qx的概率 γ 1 ( x ) \gamma_1(x) γ1(x)。
2)
A
A
A式即式(34)中的第2项,可以写成:
∑
I
P
(
O
,
I
∣
λ
ˉ
)
∑
t
=
1
T
−
1
l
n
a
i
t
i
t
+
1
=
∑
x
=
1
N
∑
y
=
1
N
∑
t
=
1
T
−
1
P
(
O
,
i
t
=
q
x
,
i
t
+
1
=
q
y
∣
λ
ˉ
)
l
n
a
x
y
\sum_{I}P(O,I|\bar\lambda)\sum_{t=1}^{T-1}ln a_{i_t\,i_{t+1}} = \sum_{x=1}^N\sum_{y=1}^N\sum_{t=1}^{T-1}P(O,i_t = q_x,i_{t+1} = q_y|\bar\lambda)lna_{xy}
I∑P(O,I∣λˉ)t=1∑T−1lnaitit+1=x=1∑Ny=1∑Nt=1∑T−1P(O,it=qx,it+1=qy∣λˉ)lnaxy
相似有约束条件
∑
y
=
1
N
a
x
y
=
1
\sum_{y=1}^N a_{xy} = 1
∑y=1Naxy=1的拉格朗日乘子法可以求出
a x y = ∑ t = 1 T − 1 P ( O , i t = q x , i t + 1 = q y ∣ λ ˉ ) ∑ t = 1 T − 1 P ( O , i t = q x ∣ λ ˉ ) = ∑ t = 1 T − 1 P ( O , i t = q x , i t + 1 = q y ∣ λ ˉ ) / P ( O ∣ λ ˉ ) ∑ t = 1 T − 1 P ( O , i t = q x ∣ λ ˉ ) / P ( O ∣ λ ˉ ) = ∑ t = 1 T − 1 ξ t ( x , y ) ∑ t = 1 T − 1 γ t ( x ) (37) a_{xy} = \dfrac{\sum_{t=1}^{T-1}P(O,i_t = q_x,i_{t+1} = q_y|\bar\lambda)}{\sum_{t=1}^{T-1}P(O,i_t = q_x|\bar\lambda)} = \dfrac{\sum_{t=1}^{T-1}P(O,i_t = q_x,i_{t+1} = q_y|\bar\lambda)/P(O|\bar\lambda)}{\sum_{t=1}^{T-1}P(O,i_t = q_x|\bar\lambda)/P(O|\bar\lambda)} = \dfrac{\sum_{t=1}^{T-1}\xi_t(x,y)}{\sum_{t=1}^{T-1}\gamma_t(x)}\tag{37} axy=∑t=1T−1P(O,it=qx∣λˉ)∑t=1T−1P(O,it=qx,it+1=qy∣λˉ)=∑t=1T−1P(O,it=qx∣λˉ)/P(O∣λˉ)∑t=1T−1P(O,it=qx,it+1=qy∣λˉ)/P(O∣λˉ)=∑t=1T−1γt(x)∑t=1T−1ξt(x,y)(37)
- 给定模型 λ ˉ \bar\lambda λˉ和观测 O O O,在时刻 t t\space t 处于状态 q x q_x qx且在时刻 t + 1 t+1 t+1处于状态 q y q_y qy的概率 ξ t ( x , y ) \xi_t(x,y) ξt(x,y),在时刻 t t\, t处于状态 q x q_x qx的概率 γ t ( x ) \gamma_t(x) γt(x);
- 在观测 O O O下,状态 q x q_x qx转移到状态 q y q_y qy的期望值 ∑ t = 1 T − 1 ξ t ( x , y ) \sum_{t=1}^{T-1} \xi_t(x,y) ∑t=1T−1ξt(x,y);
- 在观测 O O O下,由状态 q x q_x qx转移的期望值 ∑ t = 1 T − 1 γ t ( x ) \sum_{t=1}^{T-1} \gamma_t(x) ∑t=1T−1γt(x)。
3)
B
B
B式即式(34)中的第3项,可以写成:
∑
I
P
(
O
,
I
∣
λ
ˉ
)
∑
t
=
1
T
l
n
b
i
t
(
o
t
)
=
∑
x
=
1
N
∑
t
=
1
T
P
(
O
,
i
t
=
q
x
∣
λ
ˉ
)
l
n
b
x
(
o
t
)
\sum_{I}P(O,I|\bar\lambda)\sum_{t=1}^{T}ln b_{i_t}(o_t) = \sum_{x =1}^N \sum_{t=1}^T P(O,i_t = q_x|\bar\lambda)lnb_x(o_t)
I∑P(O,I∣λˉ)t=1∑Tlnbit(ot)=x=1∑Nt=1∑TP(O,it=qx∣λˉ)lnbx(ot)
同样用拉格朗日乘子法,有约束条件 ∑ k = 1 M b x k = 1 \sum_{k=1}^M b_{xk} = 1 ∑k=1Mbxk=1。注意,只有在 o t = v k o_t = v_k ot=vk时 b x ( o t ) b_x(o_t) bx(ot)对 b x k b_{xk} bxk的偏导数才不为0,以 I ( o t = v k ) I(o_t = v_k) I(ot=vk)表示。求得
b x k = ∑ t = 1 T P ( O , i t = q x ∣ λ ˉ ) I ( o t = v k ) ∑ t = 1 T P ( O , i t = q x ∣ λ ˉ ) = ∑ t = 1 T P ( O , i t = q x ∣ λ ˉ ) I ( o t = v k ) / P ( O ∣ λ ˉ ) ∑ t = 1 T P ( O , i t = q x ∣ λ ˉ ) / P ( O ∣ λ ˉ ) = ∑ t = 1 T γ t ( x ) I ( o t = v k ) ∑ t = 1 T γ t ( x ) (38) b_{xk} = \dfrac{\sum_{t=1}^T P(O,i_t = q_x|\bar\lambda)I(o_t = v_k)}{\sum_{t=1}^T P(O,i_t = q_x|\bar\lambda)} = \dfrac{\sum_{t=1}^T P(O,i_t = q_x|\bar\lambda)I(o_t = v_k)/P(O|\bar\lambda)}{\sum_{t=1}^T P(O,i_t = q_x|\bar\lambda)/P(O|\bar\lambda)} = \dfrac{\sum_{t=1}^T \gamma_t(x) I(o_t = v_k)}{\sum_{t=1}^T \gamma_t(x)} \tag{38} bxk=∑t=1TP(O,it=qx∣λˉ)∑t=1TP(O,it=qx∣λˉ)I(ot=vk)=∑t=1TP(O,it=qx∣λˉ)/P(O∣λˉ)∑t=1TP(O,it=qx∣λˉ)I(ot=vk)/P(O∣λˉ)=∑t=1Tγt(x)∑t=1Tγt(x)I(ot=vk)(38)
- 给定模型 λ ˉ \bar\lambda λˉ和观测 O O O,在时刻 t t\, t处于状态 q x q_x qx的概率 γ t ( x ) \gamma_t(x) γt(x);
- 在观测 O O O下,状态 q x q_x qx得到观测 v k v_k vk的期望值 ∑ t = 1 , o t = v k T γ t ( x ) \sum_{t=1,o_t = v_k}^T \gamma_t(x) ∑t=1,ot=vkTγt(x);
- 在观测 O O O下,状态 q x q_x qx出现的期望值 ∑ t = 1 T γ t ( x ) \sum_{t=1}^T \gamma_t(x) ∑t=1Tγt(x)。
上面求得的 Π \Pi Π式、 A A A式和 B B B式可以结合式(27)、(28)和(29)更容易理解其意义。
五、预测算法
预测问题,也称为解码(decoding)问题。已知模型 λ = ( A , B , Π ) \lambda = (A,B,\Pi) λ=(A,B,Π)和观测序列 O = ( o 1 , o 2 , ⋯ , o T ) O = (o_1,o_2,\cdots,o_T) O=(o1,o2,⋯,oT),求对给定观测序列条件概率 P ( I ∣ O ) P(I|O) P(I∣O)最大的状态序列 I = ( i 1 , i 2 , ⋯ , i T ) I = (i_1,i_2,\cdots,i_T) I=(i1,i2,⋯,iT)。即给定观测序列,求最有可能的对应的状态序列。隐马尔科夫模型预测两种算法:近似算法和维特比算法。
1、近似算法
近似算法的想法是,在每个时刻t选择在该时刻最有可能出现的状态 i t ∗ i_t^* it∗,从而得到一个状态序列 I ∗ = ( i 1 ∗ , i 2 ∗ , ⋯ , i T ∗ ) I^* = (i_1^*,i_2^*,\cdots,i_T^*) I∗=(i1∗,i2∗,⋯,iT∗),将它作为预测的结果。
给定隐马尔科夫模型
λ
\lambda
λ和观测序列
O
O
O,在时刻t处于状态
q
x
q_x
qx的概率
γ
t
(
x
)
\gamma_t(x)
γt(x)是
γ
t
(
x
)
=
α
t
(
x
)
β
t
(
x
)
P
(
O
∣
λ
)
=
α
t
(
x
)
β
t
(
x
)
∑
y
=
1
N
α
t
(
y
)
β
t
(
y
)
(39)
\gamma_t(x) = \dfrac{\alpha_t(x)\beta_t(x)}{P(O|\lambda)} = \dfrac{\alpha_t(x)\beta_t(x)}{ \sum_{y=1}^N \alpha_t(y)\beta_t(y)} \tag{39}
γt(x)=P(O∣λ)αt(x)βt(x)=∑y=1Nαt(y)βt(y)αt(x)βt(x)(39)
在每一时刻t最有可能的状态
i
t
∗
i_t^*
it∗是
i
t
∗
=
a
r
g
max
1
≤
x
≤
N
[
γ
t
(
x
)
]
,
t
=
1
,
2
,
⋯
,
T
(40)
i_t^* = arg\,\max_{1\leq x \leq N}[\gamma_t(x)],\;t =1,2,\cdots,T \tag{40}
it∗=arg1≤x≤Nmax[γt(x)],t=1,2,⋯,T(40)
从而得到状态序列
I
∗
=
(
i
1
∗
,
i
2
∗
,
⋯
,
i
T
∗
)
I^* = (i_1^*,i_2^*,\cdots,i_T^*)
I∗=(i1∗,i2∗,⋯,iT∗)。
近似算法的优点是计算简单,其缺点是不能保证预测的状态序列整体是最有可能的状态序列,因为预测的状态序列可能有实际不发生的部分,即单个状态的最优并不能保证整体最优。上述方法得到的状态序列中有可能存在转移概率为0的相邻状态,即对某些 x , y , a x y = 0 x,y,a_{xy}=0 x,y,axy=0时。
2、维特比算法
维特比算法实际是用动态规划解隐马尔科夫模型预测问题,即用动态规划求概率最大路径,这时一条路径对应着一个状态序列。
(1)最优路径特性
根据动态规划原理,最优路径具有这样的特性:如果最优路径在时刻t通过结点 i t ∗ i_t^* it∗,那么这一路经从结点 i t ∗ i_t^* it∗到终点 i T ∗ i_T^* iT∗的部分路径,对于从 i t ∗ i_t^* it∗到 i T ∗ i_T^* iT∗的所有可能的部分路径来说,必须是最优的。
- 依据上面的原理,只需从时刻 t = 1 t=1 t=1开始,递推地计算在时刻 t t t状态为 i i\, i的各条部分路径的最大概率,直至得到时刻 t = T t=T t=T状态为 i i\, i的各条路径的最大概率。时刻 t = T t=T t=T的最大概率即为最优路径的概率 P ∗ P^* P∗,最优路径的终结点 i T ∗ i_T^* iT∗也同时得到。
- 为了找出最优路径的各个结点,从终结点 i T ∗ i_T^* iT∗开始,由后向前逐步求得结点 i T − 1 ∗ , ⋯ , i 1 ∗ i_{T-1}^*,\cdots,i_1^* iT−1∗,⋯,i1∗,得到最优路径 I ∗ = ( i 1 ∗ , i 2 ∗ , ⋯ , i T ∗ ) I^* = (i_1^*,i_2^*,\cdots,i_T^*) I∗=(i1∗,i2∗,⋯,iT∗)。
为什么不在计算最大概率的时候就直接记住 t t\, t时刻的概率最大的状态呢?最终求得最大概率后,最优的状态序列 I ∗ I^* I∗不就直接求出了吗?
因为 t t\, t时刻的最优状态需要 t + 1 t+1 t+1时刻来确认验证,而 t + 1 t+1 t+1时刻的状态需要 t + 2 t+2 t+2时刻验证,所以必须从最后向前才能推出最终的最优状态序列。
(2)两个变量
引入两个变量
δ
\delta
δ和
ψ
\psi
ψ。定义在时刻
t
t\,
t状态为
q
x
q_x\,
qx的所有单个路径
(
i
1
,
i
2
,
⋯
,
i
t
)
(i_1,i_2,\cdots,i_t)
(i1,i2,⋯,it)中概率最大值为
δ
t
(
x
)
=
max
i
1
,
i
2
,
⋯
,
i
t
−
1
P
(
i
t
=
q
x
,
i
t
−
1
,
⋯
,
i
1
,
o
t
,
⋯
,
o
1
∣
λ
)
,
x
=
1
,
2
,
⋯
,
N
(41)
\delta_t(x) = \max_{i_1,i_2,\cdots,i_{t-1}}P(i_t = q_x,i_{t-1},\cdots,i_1,o_t,\cdots,o_1|\lambda),\;x=1,2,\cdots,N \tag{41}
δt(x)=i1,i2,⋯,it−1maxP(it=qx,it−1,⋯,i1,ot,⋯,o1∣λ),x=1,2,⋯,N(41)
δ t ( x ) \delta_t(x) δt(x)与前向概率 α t ( x ) \alpha_t(x) αt(x)比较
- 前向概率是计算所有路径在时刻 t t\, t状态为 q x q_x qx的概率,是计算指定观测序列 O O O出现的概率;
-
δ
t
(
x
)
\delta_t(x)
δt(x)是计算在时刻
t
t\,
t状态为
q
x
q_x
qx中所有路径中的最大概率,是用于计算指定观测序列
O
O
O对应的最大概率状态序列
I
∗
I^*
I∗。
由定义可得变量
δ
\delta
δ的递推公式:
δ
t
+
1
(
y
)
=
max
i
1
,
i
2
,
⋯
,
i
t
P
(
i
t
+
1
=
q
y
,
i
t
,
⋯
,
i
1
,
o
t
+
1
,
⋯
,
o
1
∣
λ
)
=
max
1
≤
x
≤
N
[
δ
t
(
x
)
a
x
y
]
b
y
(
o
t
+
1
)
,
y
=
1
,
2
,
⋯
,
N
;
t
=
1
,
2
,
⋯
,
T
−
1
(42)
\begin{aligned}\delta_{t+1}(y)&=\max_{i_1,i_2,\cdots,i_{t}} P(i_{t+1} = q_y,i_{t},\cdots,i_1,o_{t+1},\cdots,o_1|\lambda)\\ &=\max_{1\leq x \leq N}[\delta_t(x)a_{xy}]b_y(o_{t+1}),\;y=1,2,\cdots,N;\,t = 1,2,\cdots,T-1 \tag{42} \end{aligned}
δt+1(y)=i1,i2,⋯,itmaxP(it+1=qy,it,⋯,i1,ot+1,⋯,o1∣λ)=1≤x≤Nmax[δt(x)axy]by(ot+1),y=1,2,⋯,N;t=1,2,⋯,T−1(42)
定义在时刻
t
+
1
t+1\,
t+1状态为
q
y
q_y
qy的所有单个路径
(
i
1
,
i
2
,
⋯
,
i
t
,
q
y
)
(i_1,i_2,\cdots,i_{t},q_y)
(i1,i2,⋯,it,qy)中概率最大的路径的第
t
t
t个结点为
ψ
t
+
1
(
y
)
=
a
r
g
max
1
≤
x
≤
N
[
δ
t
(
x
)
a
x
y
]
b
y
(
o
t
+
1
)
=
a
r
g
max
1
≤
x
≤
N
[
δ
t
(
x
)
a
x
y
]
,
y
=
1
,
2
,
⋯
,
N
(43)
\begin{aligned}\psi_{t+1}(y) = & arg\;\max_{1\leq x \leq N} [\delta_{t}(x)a_{xy}]b_y(o_{t+1})\\ = & arg\;\max_{1\leq x \leq N} [\delta_{t}(x)a_{xy}],\;y = 1,2,\cdots,N\tag{43} \end{aligned}
ψt+1(y)==arg1≤x≤Nmax[δt(x)axy]by(ot+1)arg1≤x≤Nmax[δt(x)axy],y=1,2,⋯,N(43)
加深维特比算法的理解可以参考博客:数学之美:维特比和维特比算法。
(3)维特比算法流程
输入:模型 λ = ( A , b , Π ) \lambda = (A,b,\Pi) λ=(A,b,Π)和观测 O = ( o 1 , o 2 , ⋯ , o T ) O = (o_1,o_2,\cdots,o_T) O=(o1,o2,⋯,oT);
输出:最优路径 I ∗ = ( i 1 ∗ , i 2 ∗ , ⋯ , i T ∗ ) I^* = (i_1^*,i_2^*,\cdots,i_T^*) I∗=(i1∗,i2∗,⋯,iT∗)。
1)初始化
δ
1
(
x
)
=
π
x
b
x
(
o
1
)
,
x
=
1
,
2
,
⋯
,
N
\delta_1(x) = \pi_x b_x(o_1),\qquad x =1,2,\cdots,N
δ1(x)=πxbx(o1),x=1,2,⋯,N
ψ
1
(
x
)
=
0
,
x
=
1
,
2
,
⋯
,
N
\psi_1(x) = 0,\qquad x =1,2,\cdots,N
ψ1(x)=0,x=1,2,⋯,N
2)递推。对
t
=
1
,
2
,
⋯
,
T
−
1
t = 1,2,\cdots,T-1
t=1,2,⋯,T−1
δ
t
+
1
(
y
)
=
max
1
≤
x
≤
N
[
δ
t
(
x
)
a
x
y
]
b
y
(
o
t
+
1
)
,
y
=
1
,
2
,
⋯
,
N
\delta_{t+1}(y) = \max_{1\leq x \leq N}[\delta_t(x)a_{xy}]b_y(o_{t+1}),\;y=1,2,\cdots,N
δt+1(y)=1≤x≤Nmax[δt(x)axy]by(ot+1),y=1,2,⋯,N
ψ
t
+
1
(
y
)
=
a
r
g
max
1
≤
x
≤
N
[
δ
t
(
x
)
a
x
y
]
,
y
=
1
,
2
,
⋯
,
N
\psi_{t+1}(y) = arg\;\max_{1\leq x \leq N} [\delta_{t}(x)a_{xy}],\;y = 1,2,\cdots,N
ψt+1(y)=arg1≤x≤Nmax[δt(x)axy],y=1,2,⋯,N
3)终止
P
∗
=
max
1
≤
y
≤
N
δ
T
(
y
)
P^* = \max_{1\leq y \leq N}\delta_T(y)
P∗=1≤y≤NmaxδT(y)
i
T
∗
=
a
r
g
max
1
≤
y
≤
N
[
δ
T
(
y
)
]
i_T^* = arg\;\max_{1\leq y \leq N}[\delta_T(y)]
iT∗=arg1≤y≤Nmax[δT(y)]
4)最优路径回溯。对
t
=
T
−
1
,
T
−
2
,
⋯
,
1
t=T-1,T-2,\cdots,1
t=T−1,T−2,⋯,1
i
t
∗
=
ψ
t
+
1
(
i
t
+
1
∗
)
i_t^* = \psi_{t+1}(i_{t+1}^*)
it∗=ψt+1(it+1∗)
求得最优路径
I
∗
=
(
i
1
∗
,
i
2
∗
,
⋯
,
i
T
∗
)
I^* = (i_1^*,i_2^*,\cdots,i_T^*)
I∗=(i1∗,i2∗,⋯,iT∗)。
对于隐马尔科夫模型的学习,在学习之前没有接触过相关知识。所以说我的这篇总结很适合刚入门的小白,回过头来看我总结的大部分内容来自李航老师的统计学习方法,既然是对统计学习方法的学习总结,那么我尽可能基于书本来做总结,另外学习过程中发现书确实非常不错,只是在某些方面可能有些简化,对于刚入门的来说不那么好理解。我认为理解有困难的地方,对其进行了补充说明和图示,另外我把书中所有使用 i , j i,j i,j的地方进行了替换成 x , y x,y x,y,以免与状态序列 I I I发生混淆。
这个模型感觉非常好,可以解决很多问题啊!后面在练习中进一步加深理解。
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
∗
********************************************
∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
未完待续……
参考资料