我们使用前向算法计算T长观察序列的概率:
其中y的每一个是观察集合之一。局部（中间）概率(
’s)是递归计算的，首先通过计算t=1时刻所有状态的局部概率：
然后在每个时间点，t=2，… ，T时，对于每个状态的局部概率，由下式计算局部概率:
也就是当前状态相应的观察概率与所有到达该状态的路径概率之积，其递归地利用了上一个时间点已经计算好的一些值。
最后，给定HMM,
本文介绍了前向算法在计算隐马尔科夫模型（HMM）中观察序列概率的应用。通过递归计算每个时间点的状态局部概率，避免了对所有路径的穷举。该算法可用于评估不同HMM对给定观察序列的适应性，选择概率最高的模型。
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
