隐马模型(HMM)
发布日期:2021-06-29 11:41:53
浏览次数:2
分类:技术文章
本文共 310 字,大约阅读时间需要 1 分钟。
隐马尔科夫模型的三个基本问题以及相应的算法如下:
A、B:前向、后向算法解决的是一个评估问题,即给定一个模型,求某特定观测序列的概率,用于评估该序列最匹配的模型。
C:Baum-Welch算法解决的是一个模型训练问题,即参数估计(学习),是一种无监督的训练方法,主要通过EM迭代实现;
D:维特比算法解决的是给定 一个模型和某个特定的输出序列,求最可能产生这个输出的状态序列。如通过海藻变化(输出序列)来观测天气(状态序列),是预测问题,通信中的解码问题。
在HMM中,在给定观测序列和对应的状态序列去估计模型参数,可以使用极大似然估计;如果给定观测序列并没有对应的状态序列,可以使用EM,将状态序列看成不可测的隐数据。
转载地址:https://blog.csdn.net/zz2230633069/article/details/102239589 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
不错!
[***.144.177.141]2024年04月21日 06时44分47秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!