隐马尔可夫模型学习笔记(之二,学习算法)

匿名 (未验证) 提交于 2019-12-03 00:32:02

在介绍学习算法之前,先介绍一些概率和期望值的计算。
利用前向概率和后向概率,可以得到关于单个状态和两个状态概率的计算公式。
1. 给定模型λ和观测O,在时刻t处于状态qi的概率。记为

(1)γt(i)=P(it=qi|O,λ)

先分解为分数形式
(2)γt(i)=P(it=qi,O|λ)P(O|λ)

根据前向概率的定义可以做以下变换
αt(i)=P(o1,o2...ot,it=qt|λ)=P(it=qt|λ)P(o1,o2...ot|it=qt,λ)

后向概率的定义如下
βt(i)=P(ot+1,ot+2...,oT|it=qt,λ)

将这两者相乘得到
(356)αt(i)βt(i)=P(it=qt|λ)P(o1,o2...ot|it=qt,λ)P(ot+1,ot+2...,oT|it=qt,λ)(357)=P(it=qt|λ)P(o1,o2...oT|it=qt,λ)(358)=P(it=qt|λ)P(O|it=qt,λ)(3)=P(it=qt,O|λ)

以上结果从两者的定义上也很好理解。
对变量i在范围i=1,2,...N上求和
(4)i=1NP(it=qt,O|λ)=P(O|λ)

将式(3),(4)代入(2)可以得到
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!