隐马尔可夫模型介绍
2016-07-22 18:37
239 查看
隐马尔可夫模型是一个双随机过程,其中一个随机过程的状态序列是不可见的,另一个随机过程的状态序列是可见的。
不可见的随机过程符合一般的马尔可夫模型,也就是其当前状态只与其前N个状态有关。可见的当前状态的观测值由当前的不可见状态决定。下图是对隐马尔科夫模型的一个简单描述:
下面用一个例子来简单说明下一阶的隐马尔可夫模型。
假设有4个盒子,每个盒子里都装有红白两种颜色的球,盒子里的红白球数由下面表格给出。
有一个专门的人在后台以一定规则抽取小球,展示给观察者(观察者只能看到球,不知道球从哪个合子里抽的)。
抽取的规则如下,产生一个球的颜色的观测序列:
1、 刚开始时,从4个盒子里以等概率随机选取1个盒子,从这个盒子里随机抽出1个球,记录其颜色后,放回;
2、 从当前盒子随机转移到下一个盒子,其规则是:如果当前盒子是盒子1,那么下一个盒子一定是盒子2,如果当前是盒子2或3,那么分别以概率0.4和0.6转移到左边和右边的盒子,如果当前是盒子4,那么各以0.5的概率停留在盒子4或转移到盒子3;转移到下一个盒子后,从盒子中随机抽出1个球,记录颜色放回;
3、 重复步骤2直至产生符合长度的观测序列。
假设抽取了5次,产生了{红,红,白,白,红}这么一个序列。
在上面例子中:
盒子对应状态的集合是
S = {盒子1,盒子2,盒子3,盒子4}
球的颜色对应观测,观测的集合是
O = {红,白}
状态序列和观测序列长度
T=5
初始概率分布为
盒子状态转移概率分布为
观测序列分布为
在这个例子中,有两个随机序列,一个是盒子的序列(状态序列),一个是球的颜色的观测序列。前者是不可见的,只有后者是可观测的。这就是一个隐马尔科夫模型。
完整地描述一个隐马尔可夫模型,应当指定状态数N,观测符号数M,以及三个概率密度A、B和π 。这些参数之间有一定的联系,因此为了方便,HMM常用如下方式表示:
不可见的随机过程符合一般的马尔可夫模型,也就是其当前状态只与其前N个状态有关。可见的当前状态的观测值由当前的不可见状态决定。下图是对隐马尔科夫模型的一个简单描述:
下面用一个例子来简单说明下一阶的隐马尔可夫模型。
假设有4个盒子,每个盒子里都装有红白两种颜色的球,盒子里的红白球数由下面表格给出。
盒子 | 1 | 2 | 3 | 4 |
红球数 | 5 | 3 | 6 | 8 |
白球数 | 5 | 7 | 4 | 2 |
抽取的规则如下,产生一个球的颜色的观测序列:
1、 刚开始时,从4个盒子里以等概率随机选取1个盒子,从这个盒子里随机抽出1个球,记录其颜色后,放回;
2、 从当前盒子随机转移到下一个盒子,其规则是:如果当前盒子是盒子1,那么下一个盒子一定是盒子2,如果当前是盒子2或3,那么分别以概率0.4和0.6转移到左边和右边的盒子,如果当前是盒子4,那么各以0.5的概率停留在盒子4或转移到盒子3;转移到下一个盒子后,从盒子中随机抽出1个球,记录颜色放回;
3、 重复步骤2直至产生符合长度的观测序列。
假设抽取了5次,产生了{红,红,白,白,红}这么一个序列。
在上面例子中:
盒子对应状态的集合是
S = {盒子1,盒子2,盒子3,盒子4}
球的颜色对应观测,观测的集合是
O = {红,白}
状态序列和观测序列长度
T=5
初始概率分布为
盒子状态转移概率分布为
观测序列分布为
在这个例子中,有两个随机序列,一个是盒子的序列(状态序列),一个是球的颜色的观测序列。前者是不可见的,只有后者是可观测的。这就是一个隐马尔科夫模型。
完整地描述一个隐马尔可夫模型,应当指定状态数N,观测符号数M,以及三个概率密度A、B和π 。这些参数之间有一定的联系,因此为了方便,HMM常用如下方式表示:
相关文章推荐
- LiLei和HanMeiMei的隐式马尔可夫爱情
- 隐马尔可夫模型 HMM 原理及实现
- 隐马尔科夫模型(HMM)
- 话务预测(4) HMM
- 马尔可夫链
- HMM && GMM
- HMM model 例子 Biased coins
- 隐马尔可夫模型(HMM) HDU4865 Peter's Hobby
- 隐马尔科夫模型的算法不能算是严格意义上的动态规划
- HMM Tutorial 隐马尔科夫模型
- 隐含马尔可夫模型
- HMM(Forward algorithm)向前算法
- HMM(隐马尔科夫链)介绍
- viterbi算法
- AI算法基础补完之隐马尔科夫模型(HMM)(一)
- 隐马尔科夫模型的解码算法和前向算法
- 隐马尔科夫模型(HMM)及其实现
- 隐马尔科夫模型(Hidden Markov Models)之理解篇和证明篇
- 从决策树学习谈到贝叶斯分类算法、EM、HMM
- HMM前向算法复杂度的分析