隐马尔可夫模型
在马尔可夫模型中,每个状态代表了一个可观察的事件,因此,马尔可夫模型又称作可视马尔可夫模型(visible Markov model,VMM)。隐马尔可夫模型(HMM)中,模型所经过的状态序列未知,只知道状态的概率函数,即观察到的事件是状态的随机函数,因此,该模型是一个双重随机过程。其中,模型的状态转换过程是不可观察的(隐蔽的),可观察事件的随机过程是隐蔽状态转换过程的随机函数。
HMM模型可表示为一个五元组 μ = ( S , K , A , B , π ) \mu = (S, K, \mathbf{A}, \mathbf{B}, \mathbf{\pi}) μ=(S,K,A,B,π),其中 S S S为状态的集合, K K K为输出符号的集合, π \mathbf{\pi} π、 A \mathbf{A} A和 B \mathbf{B} B分别表示初始状态的概率分布、状态转移概率和符号发射概率。有时也将其简记为三元组 μ = ( A , B , π ) \mu = (\mathbf{A}, \mathbf{B}, \mathbf{\pi}) μ=(A,B,π)。
-
模型中的状态数 N = ∣ S ∣ N = |S| N=∣S∣;
-
每个状态可能输出的符号数 M = ∣ K ∣ M = |K| M=∣K∣;
-
状态转移概率矩阵 A = { a i j } \mathbf{A} = \{ a_{ij} \} A={ aij},其中
a i j = P ( q t = s j ∣ q t − 1 = s i ) a i j ≥ 0 ∑ j = 1 N a i j = 1 1 ≤ i , j ≤ N (6-6) \begin{aligned} & a_{ij} = P(q_{t} = s_{j} | q_{t - 1} = s_{i}) \\ & a_{ij} \geq 0 \\ & \sum_{j = 1}^{N} a_{ij} = 1 \\ & 1 \leq i, j \leq N \\ \end{aligned} \tag {6-6} aij=P(qt=sj∣qt−1=s