隐马尔可夫模型学习
基本概念
HMM五元组
- 观测序列-O
- 状态序列-I
- 初始状态概率向量-π
- 状态转移概率矩阵-A
- 观测概率矩阵-B
HMM三要素
- 初始状态概率向量-π
- 状态转移概率矩阵-A
- 观测概率矩阵-B
两个基本假设
- 齐次马尔科夫性假设
- 观测独立性假设
案例
有三个骰子:
- 六面体:
- 八面体:
- 四面体:
放到黑盒子,有放回的抽取骰子并投掷骰子观测此时的数字。
状态集合:
观测集合:
观测序列:
初试概率分布:
状态转移概率分布:
观测概率分布:
HMM三类问题
- 概率计算问题:给定模型和状态序列O的情况下,求在模型下观测序列O出现的概率。(Forward-backward算法)
- 解码问题:已知模型和观测序列O,求对给定观测序列条件概率最大的状态序列,即给定观测序列,求最有可能的对应状态序列。(viterbi算法)
- 学习问题:观测序列O已知的情况下,求解模型参数, 使得在该模型下观测序列概率最大。(极大似然估计算法)