隱馬爾科夫模型(HMM)
1. HMM的數學定義
對於i=1,2,⋯,n時刻,HMM中有兩組變量序列,用x={x1,x2,⋯,xn},xi∈{o1,o2,⋯,oM}表示觀測序列(每個觀測變量有M個可能的取值),y={y1,y2,⋯,yn},yi∈{s1,s2,⋯,sN}(每個狀態變量有N個可能的取值)表示狀態序列。
並且有如下假設:在任一時刻,觀測變量的取值僅僅依賴於狀態變量,即xt僅由yt決定;同時,yt僅依賴於yt−1,即狀態變量序列是一個馬爾科夫鏈。由此可以得到所有變量的聯合概率分佈爲:
P(x1,y1,⋯,xn,yn)=P(y1)P(x1∣y1)i=2∏nP(yi∣yi−1)P(xi∣yi)(1-1)
要想確定一個HMM模型還需要如下三組參數:
- 狀態轉移概率矩陣:A=[aij]N×N,其中aij=P(yt+1=sj∣yt=si),1≤i,j≤N
- 觀測概率矩陣:B=[bij]N×M,其中bij=P(xt=oj∣yt=si),1≤i≤N,1≤j≤M
- 初始狀態概率向量:π=(π1,π2,⋯,πN),其中πi=P(y1=si)