HMM-维特比算法(viterbi)原理以及简单实现

学习目标:

概率图模型

学习内容:

HMM算法(隐马尔科夫模型)中的维特比算法

学习记录:

在这里插入图片描述
维特比算法步骤:
1.初始化
在这里插入图片描述
2.递推
在这里插入图片描述
3.终止
在这里插入图片描述
4、最优路径回溯
在这里插入图片描述
在这里插入图片描述

解释一下:我们要得到最优路径,viterbi采用的式局部最优来解决,每一次都取时间t到时间t+1的概率最大的路径。开始要初始化,先计算t=1时的概率 δ1(1),δ1(2),δ1(3)。令φ1(1)=0,φ1(2)=0,φ1(3)=0。再计算从t=1时刻到t=2时刻每一个状态改变到下一个状态的概率(即状态转移矩阵)选出每个状态中最大的来作为φ2(i)存起来作为最佳局部路径。递推下去,终止的时候P*即为实现该最佳局部路径的概率。再最佳路径回溯回去,找到其路径。

看一个案子
在这里插入图片描述
这里把第一天去迪士尼,第二天还在迪士尼的概率改成0.5。
在这里插入图片描述

在这里插入图片描述

代码实现:

import numpy as np


def Viterbi(A, B, PI, V, Q, obs):
    # V观测集合(买不买),Q状态集合(哪个地方)
    N = len(Q)
    T = len(obs)
    delta = np.array([[0] * N
  • 2
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值