HMM 5个基本元素 2个假设 3个问题

读论文遇到HMM模型,记录一些学习笔记。

HMM适合描述有时变序列和隐藏(不可观察)行为的场景

5个基本元素
HMM五元组 λ =( S, O , π ,A,B)
S:状态值集合,O:观察序列集合,π:初始化概率,A:状态转移概率矩阵,B:给定状态下,观察序列概率矩阵

2个假设

(1)齐次马尔可夫假设(针对隐藏状态)
任意时刻t的状态只依赖于前一时刻t-1的状态,与任何其他状态和观测都无关。
在这里插入图片描述
(2)观测独立性假设(针对观测序列)
任意时刻的观测只依赖于该时刻的隐藏的状态,与其他任何时刻观测和状态都无关。
在这里插入图片描述

3个问题

1:评估问题,已知模型参数 λ= (A, B, π),计算某个观测序列发生的概率,即求P(O|λ)。根据这个概率,来评估模型的好坏。
2:解码问题,给出观测序列O和模型λ= (A, B, π),选择一个状态序列S(s1,s2,…st+1),能最好的解释观测序列O。
3:学习问题,观测序列O,如何估计模型参数 λ=(π, A, B), 使得P(O|λ)最大。 利用极大似然估计。 一般这个达到局部最大值。这个比较常见,用来建立模型。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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