隐马尔可夫模型-完整.ppt

隐马尔科夫模型

HiddenMarkovModel

何为“隐”?

如从四个盒子中各取一个球，开始从四个盒子随机选取一个盒子，从这个盒子中随机抽出1个球，记录其颜色后，放回；然后从当前盒子随机转移到下一个盒子，再取一个球；如此重复，直到取出四个球。这样可以得到一个球的颜色的观测序列：

如：O={红，白，红，白}，在这个过程中观察者只能观测到球的颜色

序列，观测不到球是从哪个盒子中取出的，即观测不到盒子的序列。

如在词性标注这样的应用中，对于给定的要标注单词词性的一个句子，我们看不到单词的词性，只能观察到每个单词，必须从单词序列去推断正确的标记。我们说词性标注序列是隐藏的。

隐马尔科夫模型中两个重要的假设：

一个特定状态的概率仅仅依赖于前一个状态：

观察值的概率仅仅依赖于产生这个观察值的状态：

隐马尔科夫模型中的三个问题：

估计问题

序列问题

训练问题或参数估计问题

1.估计问题

问题描述：

用以下四种方法解决这个问题：

直接计算法

前向算法

后向算法

前向后项结合算法

直接计算法

直接计算法

前向算法

前向算法

后向算法

前向后向结合算法

P(A,B)=P(A)P(B|A)

2.序列问题

问题描述

解决问题的算法：

维特比算法(Viterbi)

维特比算法

这种递归关系使我们能够运用动态规划搜索技术。

维特比算法

维特比算法

维特比算法

3.训练问题或参数估计问题

问题描述：

分段K-均值算法

分段K-均值算法

分段K-均值算法

分段K-均值算法