1. 定义
前向概率:给定马尔可夫模型λ,定义“到时刻t为止,部分观测序列为o1,o2,...,ot,且t时刻的状态为qi”的概率为前向概率,记作:
αt(i)=P(o1,o2,⋯,ot,it=qi∣λ)
2. 原理
这是状态DP的思想。
局部计算前向概率,利用路径结构将前向概率递推到全局(这一句没看懂)。
每一次计算直接利用前一个时刻的计算结果,避免重复计算。
3. 过程
输入:
隐马尔可夫模型λ
观测序列O
输出:
观测序列概率P(O∣λ)
过程:
- 初值:
α1(i)=πibi(o1)
- 递推:
αt+1(i)=[j=1∑Nαt(j)aji]bi(ot+1)
- 终止:
P(O∣λ)=i=1∑NαT(i)
注意α和a的不同