隐马尔可夫模型是一个关于时序的模型,描述由一个隐藏的马尔可夫链生成不可观测的状态随机序列,再由各个状态生成一个观测而产生的观测随机序列的过程。

1. 定义:

状态序列:隐藏的马尔可夫链生成不可观测的状态随机序列
观测序列:每个状态生成一个观测,由此而产生的观测的随机序列

2. 常用符号:

Q:所有可能的状态的集合
V:所有可能的观测的集合
N:可能的状态数
V:可能的观测数
I:长度为T的状态序列
O:对应的观测序列
A:状态转换矩阵,N*N,aij:qi状态转移到qj状态的概率
B:观测概率矩阵,bj(k):qj状态下生成观测vk的概率
π\pi:初始状态的概率向量,πi\pi_i表示t=1时刻处理状态qi的概率
λ\lambda:隐马尔可夫模型,λ=(A,B,π)\lambda=(A, B, \pi)

3. 基本假设

齐次马尔可夫性假设:t时刻的状态只依赖于t-1时刻的状态,与其它时刻的状态和观测无关
观测独立性假设:t时间的观测只依赖于t时间的状态,与其它时刻的状态和观测无关

4. 三个问题

概率计算问题:已知λ\lambda和O,求P(Oλ)P(O|\lambda)
学习问题:已知O,求λ\lambda
预测问题/解码问题:已知λ\lambda和O,求I

results matching ""

    No results matching ""