机器学习之隐马尔科夫模型

1280-金同学

发表文章数:53

热门标签

,
首页 » 算法 » 正文

一、隐马尔科夫模型

隐马尔科夫模型定义:
隐马尔科夫模型随机生成的状态随机序列,称为状态序列;每个状态生成一个观测,由此产生的观测随机序列,称为观测序列;
HMM是关于时序的概率模型,描述由一个隐藏的马尔科夫链生成不可观测的状态随机序列,再由各个状态生成观测随机序列的过程;
隐马尔科夫模型(HMM, Hidden Markov Model)可用标注问题,在语音识别、NLP、生物信息、模式识别等领域被实践证明是有效的算法。
HMM确定:
HMM由初始概率分布π、状态转移概率分布A以及观测概率分布B确定:
机器学习之隐马尔科夫模型
HMM的参数:
机器学习之隐马尔科夫模型
机器学习之隐马尔科夫模型
机器学习之隐马尔科夫模型
HMM由初始概率分布π(向量)、状态转移概率分布A(矩阵)以及观测概率分布B(矩阵)确
定。π和A决定状态序列,B决定观测序列。因此,HMM可以用三元符号表示,称为HMM的三要素;
HMM基本性质:
机器学习之隐马尔科夫模型

二、HMM相关问题和算法

HMM基本问题:
机器学习之隐马尔科夫模型
直接计算方法:
机器学习之隐马尔科夫模型
机器学习之隐马尔科夫模型
直接计算分析:
机器学习之隐马尔科夫模型
前向/后向概率定义:
机器学习之隐马尔科夫模型
前向算法:
机器学习之隐马尔科夫模型
机器学习之隐马尔科夫模型
后向算法:
机器学习之隐马尔科夫模型
机器学习之隐马尔科夫模型
后向算法的说明:
机器学习之隐马尔科夫模型
单个状态的概率定义:
机器学习之隐马尔科夫模型
单个状态的概率计算:
机器学习之隐马尔科夫模型
γ的意义:
机器学习之隐马尔科夫模型

未经允许不得转载:作者:1280-金同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《机器学习之隐马尔科夫模型》 发布于2020-11-27

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录