1.综述:
隐马尔可夫模型是马尔可夫模型的进一步发展。马尔可夫模型是马尔可夫过程的模型化, 可以用图1 (a) 的框图形象表示。它把一个总随机过程看成一系列状态的不断转移。图1(b)是隐马尔可夫模型。
1.1几个需要理解的概念
a.马尔可夫性:如果一个过程的”将来”仅依赖“现在”,而不依赖“过去”,此过程具有马尔可夫性,称此过程是马尔可夫过程。
b,马尔科夫链:时间和状态都离散的马尔科夫过程,称为马尔可夫链。
以下内容来自(条件随机场理论综述 韩雪冬 1,周彩根2
1 北京邮电大学计算机学院 ,北京(100876 )
2 中国人民解放军总参谋部第五十四研究所,北京(100083))
隐马尔可夫模型(Hidden Markov Models,HMMs)研究始于1966,基于统计方法的隐马尔可夫模型在若干年后变得很受欢迎,原因有二个,一是该模型有丰富的数学理论结构,能被广泛的应用;二是在若干重要应用上经恰当的运用表现的很出色。
2.离散马尔可夫模型
3.隐马尔可夫模型五要素的组成
4.三个基本问题
5.针对3个基本问题,对应三个基本方法
5.1 forward-backward 算法
5.2 Viterbi 算法(解码)
5.3 Baum-Welch方法
Baum-Welch方法(等价于EM(Expectation-Modification)方法)或者用梯度技术,通过不断循环迭代更新参数的方法,设法使P(Ο|λ )达到最优。Baum-Welch 方法是 EM 算法的一种实现,因采用爬山法往往得到的是局部最优。
6.隐马尔可夫模型的python实现(等待更新。。。。)