HMM(隐马尔科夫模型)

问题1:

给定模型$\lambda =(A,B,\pi )$, 给定观测序列$O=(o_1,o_2,...,o_T)$下, 计算该序列出现的概率$P(O|\lambda )$

问题2:

给定模型$\lambda =(A,B,\pi )$， 给定观测序列$O=(o_1,o_2,...,o_T)$下, 求最有可能的隐藏状态序列$I^{\ast }=(i_1,i_2,...,i_T)$ , $I^{\ast }=argma{x}_{I}P(I|O,\lambda )$

问题3:

给定观测序列$O=(o_1,o_2,...,o_T)$, 估计模型的参数${\lambda }^{\ast }$，使得该模型下, 观测序列出现的概率最大 ${\lambda }^{\ast }=argma{x}_{\lambda }P(O|\lambda )$

---

求解问题1

前向算法

前向概率(观测序列为$(o_1,o_2,o_3,...,o_t)$, 且在$t$时刻处于隐藏状态$n$的概率)

${\alpha }_t(i)=P(o_1,o_2,...o_t,i_t=i|\lambda )$
${\alpha }_{t+1}(i)=P(o_1,o_2,...,o_{t+1},i_{t+1}=i|\lambda )={\sum }_{j=1}^N{\alpha }_t(j)a_{ji}{b}_i(o_{t+1})$
$P(O|\lambda )={\sum }_{i=1}^N{\alpha }_T(i)$

后向算法

后向概率（在$t$时刻隐状态为$i$的条件下, 观测序列为$(o_{t+1},o_{t+2},...,o_T)$的概率）

β t ( i ) = P ( o t + 1 , o t + 2 , . . . , o T ∣ i t = i , λ ) \beta_{t}(i)=P(o_{t+1}, o_{t+2}, ..., o_{T}|i_{t}=i, \lambda) βt​(i)=P(ot+1​,o