隐马尔可夫模型（HMM）是一种双重随机过程，其中状态转换过程不可见，而观察到的事件由状态决定。模型由五元组(S, K, A, B, π)定义，涉及状态集合、输出符号集合、初始状态概率、状态转移概率和符号发射概率。HMM的三个基本问题是估计问题、序列问题和训练问题，这些问题可以通过前后向算法和最大似然估计来解决。"
117879839,10546568,使用OpenLayers3显示鼠标移动坐标,"['地图开发', '前端开发', 'GIS', 'OpenLayers']
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
最低0.47元/天 解锁文章
6705
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
