|
|||||
|
By Suz, on 八月 27th, 2010, 1,447 views, 2 comments
 本文讨论了HMM中另一种基本算法，维特比算法。以下为部分摘要，点击阅读更多： …在之前的文章中，已经分别介绍了隐马科夫模型（HMM）的概况以及HMM中广泛应用的一种解决估值问题的算法：前向法(Forward Algorithm)。在本文将介绍解决HMM另外一个问题，解码问题，的算法：维特比算法(Viterbi Agorithm)，也属于HMM中的一个基本算法，而且算法本身很像Forward的这个概念，理解起来相对容易。… …可以说viterbi算法至此完成了两个任务：1、利用递归方法避开了重复运算提高了效率。2、在结果中找出了“局部最优解”，并将这些最优解拼成一个完整的解。… …我们需要特别注意到，当前我们面临的问题被称为解码问题，也称为寻找最优解问题。对于最优解，还分为全局最优解与局部最优解(Partial best paths)。上面提到的穷举法就属于全局最优解，因为它已经在全局范围内枚举了所有可能，一个不漏。而刚刚提到的维特比算法则属于寻找局部最优解的方法。… . . . → Read More: HMM中的维特比解码(Viterbi Agorithm) By Suz, on 八月 23rd, 2010, 215 views, No comments
 来自MSRA的周昆大侠简述了他成为大侠的历程，我认为非常值得借鉴。以下是一些摘要，点击阅读更多： …周昆，2002年从浙江大学计算机学院获得工学博士学位，同年加入微软亚洲研究院，历任副研究员、研究员和项目负责人。2008年受聘*长江学者特聘教授，回到浙江大学计算机学院工作。在微软工作6年期间曾在国际计算机图形学大会ACM SIGGRAPH上发表17篇论文，其中多项技术被应用在Windows图形系统DirectX，XBOX游戏Halo 3，以及三维电影特技制作软件中。… …在科研过程中，往往会遇到很多没有设想到、但很有意思的现象，便导致了很多意外的新发现。因此，当一项科研成果出来的时候，你可以相信在其背后可能隐藏着另外一个不为人所知的故事。当然你所能看到的几乎所有的科研论文在讲述研究历程时都是运用“指哪打哪”法的，但是它这个结论的发现过程很有可能是“打哪指哪”出来的——没有打到目标A，却把目标B做出来了。… …“打哪指哪”法对于刚刚进入研究一两年，脑海中只是有些模糊想法但是又未必做不出来的研究人员比较适用。2003年我们没有做出豹子皮，只是在马身上生成了豹皮的斑点图案，看上去像是披着豹皮的马。两年之后，在2005年的SIGGRAPH上我们真正做到了“指哪打哪”，用纹理映射的方法生成了豹子。… . . . → Read More: [转]大侠是怎样练成的-周昆 By Suz, on 七月 26th, 2010, 2,343 views, 8 comments
 此文介绍一个非常简单的字符分割步骤，文章最后附带源码。以下是摘要，点击阅读更多： …有一天，王老师说，他的车牌识别率可以达到86%（当然，不知道是以什么标准，在怎样的环境下，识别怎样的车牌），我总觉得我能用我的方法做得再好一点。试着写了下面这一个简单的字符分割Script，出来结果后才发现自己是多么幼稚阿··· …不要以为去噪就是传统的高斯、中值滤波之类的东西，在自然环境中，干扰是无穷无尽的。对于我们的车牌识别程序，干扰我们的通常会有光照、车牌上的污点等等，这些干扰通常会使用普通图像处理手段来解决，比如用高斯等平滑滤波，用直方图均衡化等。然而，还有另外一些干扰也要引起我们的注意，就是车牌的边沿、螺丝等等，这些是几乎每个车都有的问题，因此解决这种问题更显得程序的通用性。… . . . → Read More: 最简单的MATLAB车牌字符分割（附源码） By Suz, on 七月 9th, 2010, 1,358 views, 1 comment
 本文主要介绍隐马科夫模型(HMM)中的一个重要算法：前向法(Foward Algorithm)。将普通算法与前向法优化算法对比，详细分析其实现过程。以下是摘要，点击阅读更多： …各位应该不难想象，最普通最直接的计算 …我们在面对一种所谓的可以简化计算、加速计算的方法面前，应该首先考虑到底这种算法是如何简化？在哪一步发生了奇妙的变化？为什么这样可行？… …记得在上一页提到的普通穷举算法中，对于所有的可能隐状态路径计算，其实都有很大部分的重复。比如，我要分别算(S1 > S2 > S1 > S3 > S2)这个路径与(S1 > S2 > S1 > S3 > S4)这个路径的概率时候，这两个路径的t<=4的那些状态(S1 > S2 > S1 > S3 >..)其实是相同的。我们的加速算法，切入点就是这里，去掉重复的地方使速度变快，复杂度降低。… . . . → Read More: HMM中的前向法(Forward Agorithm) By Suz, on 五月 16th, 2010, 2,067 views, 5 comments
 本文介绍非常基础、通用的一个分类模型：隐马科夫模型（HMM），尽量以平实的语言，分别通过实例、图片来说明HMM的过程，并简述了HMM的三个问题和解决方法。以下为文章摘要，点击阅读更多： …隐马科夫(HMM)模型全称：Hidden Markov model，是一种统计学的模型，是马科夫链与无法观察的状态的结合。在这里，我假设看这篇文章的人已经对马科夫过程(Markov Process)有了初步的认识，对概率论有过初步的学习。… …那么这个HMM模型，隐马模型到底“隐”在哪里呢？其实解释起来也不难，这里…t-1, t, t+1…各个时刻的x状态是一个随机过程，试想一下，你总不能确定一个随机过程中的每个状态吧？所以，上图的x状态对于我们来说，在没有到达t时间之前，他仍然是未知的，隐藏的（Hidden）。这些x被称为“unobserved state”。… …HMM过程是，我从任意一个筐开始选水果，我去到那一个框那里，随机拿起里面的一个水果，然后把这个水果记录下来，然后再随机地去另外一个筐里面选水果，不断地重复这个过程，知道我选够了L个水果，我就停止。… . . . → Read More: 隐马科夫(HMM)模型 |
|||||
|
Copyright © 2012 Powered by WordPress & the Atahualpa Theme by BytesForAll. Discuss on our WP Forum |
|||||
的方法就是枚举所有可能的隐状态序列(S)，然后用Transition Matrix与Emission Matrix的数据，对每一个隐状态序列S求我们的目标观察序列O的一个概率。…
近期评论