隐马尔可夫链学习脑图
2018-02-05 11:58:50 3 举报AI智能生成
隐马尔可夫链学习脑图
作者其他创作
大纲/内容
基本概念
状态(隐)
观测（明）
基本概念λ=(A，B，π)
A:状态转移概率矩阵（针对状态）
B：观测概率矩阵（针对单一状态的观测）
π：初始状态向量
预备知识
随机过程
定义：随缘理解，不强求
举例
泊松过程
更新过程
布朗运动
举例
路网匹配
观测变量（GPS位置）
观测gps点离路越近，
真实点在路上概率越大
真实点在路上概率越大
隐藏状态变量（真实位置）
真实点距离越近/两个对应gps点距离越近
转移概率越大
转移概率越大
解码问题
基本问题
概率计算问题
概念：给定模型和观测序列，求观测序列出现的概率
前向算法
前向概率
后向算法
后向概率
单个概率，两个状态概率
学习问题
给定观测序列，求模型
有观测有状态：监督学习 (最大似然)
有观测无状态：非监督 (EM)
解码问题
给定模型和观测序列，求状态序列
维特比算法（DP动态规划）
近似算法（略）
属性
齐次马尔可夫性假设
观测独立性
定义：隐马尔可夫模型是关于时序的概率模型，
描述由一个隐藏的马尔可夫链随机生成不可观
测的状态随机序列，再由各个状态生成一个观
测而产生观测随机序列的过程。
描述由一个隐藏的马尔可夫链随机生成不可观
测的状态随机序列，再由各个状态生成一个观
测而产生观测随机序列的过程。
定义时刻t时隐藏状态为qi, 观测状态的序列为o1,o2,...ot的概率
定义时刻t时隐藏状态为qi, 从时刻t+1到最后时刻T的观测状态的序列为ot+1,ot+2,...oT概率
收藏
0 条评论
下一页
