隐马尔可夫模型 HMM

一. 简述

HMM是一个用于时序数据建模的概率有向图模型,它是一个生成模型,直接对联合概率分布进行建模。

  • 两个假设:
    • 1)齐次马尔科夫链假设。即任意时刻的隐藏状态只依赖于它前一个隐藏状态;
    • 2)观测独立性假设。即任意时刻的观察状态只仅仅依赖于当前时刻的隐藏状态
  • 三个基本问题:
    • 1) 评估观察序列概率。
      • 算在模型λ下观测序列O出现的概率P(O|λ) 利用前向后向算法
    • 2)预测问题,也称为解码问题。
      • 给定观测序列条件下,最可能出现的对应的状态序列。维比特算法(基于动态规划)。
    • 3)模型参数学习问题。

二. 参考

Viterbi Algorithm维比特算法 VS Dijkstra迪杰斯特拉

 

0