前向算法从前往后递推,后向算法从后向前递推,原理是一样的。
后向概率:给定马尔可夫模型λ\lambdaλ,定义“在时刻t状态为qi”的条件下,“从t+1到T的部分观测序列为ot+1,ot+2,...,oT”的概率为后向概率,记作:βt(i)=P(ot+1,ot+2,⋯,oT∣it=qi,λ) \beta_t(i) = P(o_{t+1},o_{t+2},\cdots,o_T |i_t=q_i, \lambda) βt(i)=P(ot+1,ot+2,⋯,oT∣it=qi,λ)
后向算法的初值是怎么来的?βT(i)=1 \beta_T(i) = 1 βT(i)=1 不管T时间状态是什么,这个序列是必然出现的。为什么?