7.4隐马尔可夫模型_第1页
7.4隐马尔可夫模型_第2页
7.4隐马尔可夫模型_第3页
7.4隐马尔可夫模型_第4页
7.4隐马尔可夫模型_第5页
已阅读5页,还剩33页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

隐马尔可夫模型主讲人:李侃

隐马尔可夫模型

(hiddenMarkovmodel,HMM)

描述由隐马尔可夫链随机生成观测序列的过程,属于生成模型。它是结构简单的动态贝叶斯网,是一种有向图模型,在语音识别,自然语言处理以及生物信息等领域具有广泛的应用价值。隐马尔可夫模型马尔可夫过程马尔可夫过程(Markovprocess),因俄罗斯数学家AndreyAndreyevichMarkov而得名,代表数学中具有马尔可夫性质的离散随机过程。隐马尔可夫模型每个状态的转移只依赖于之前的n个状态,这个过程被称为n

阶模型,其中n是影响转移状态的数目。最简单的马尔科夫过程就是一阶过程,每一个状态的转移只依赖于其之前的那一个状态。马尔可夫链

隐马尔可夫模型隐马尔可夫模型五元素

隐马尔可夫模型

隐马尔可夫模型

隐马尔可夫模型

隐马尔可夫模型隐马尔可夫模型的三个基本问题

隐马尔可夫模型

估值问题

隐马尔可夫模型

隐马尔可夫模型估值问题

隐马尔可夫模型

这种方法是不现实的,因为如果假定所有的概率都是非零的,则有N个可能的q估值问题

隐马尔可夫模型

隐马尔可夫模型正向变量(forwardvariable)前向算法的优点在于可通过累积结果而递推地计算上式

前向算法

隐马尔可夫模型

前向算法

前向算法

隐马尔可夫模型反向变量(backwardvariable)反向算法

隐马尔可夫模型

反向算法(2)递归

反向算法(3)终止:计算观测序列的概率

寻找状态序列

隐马尔可夫模型

寻找状态序列

Viterbi算法

寻找状态序列Viterbi算法

寻找状态序列学习模型参数

隐马尔可夫模型

学习模型参数

学习模型参数

学习模型参数

注意Baum-Welch算法

学习模型参数Baum-Welch算法

学习模型参数Baum-Welch算法

学习模型参数Baum-Welch算法

学习模型参数Baum-Welch算法

学习模型参数Baum-Welch算法

学习模型参数Baum-Welch算法学习模型参数

连续观测隐马尔可夫模型

连续观测如果输入是连续的,一种方法是将其离散化,再使用这些离散值作为观测值。通常使用向量量

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论