HMM中的前向法(Forward Agorithm)

在假期的前几天颓废了好一阵之后,终于重新拾起未完成的事情。根据计划是按照HMM -> MEM -> CRF -> hCRF 这个伟大目标前进的。HMM已经在之前写了一个文章(惊喜地发现在google里面搜“HMM模型”,它出现在了第一页 ;-) ),这里写的是HMM中,解决第一个问题,即估值问题的一个快速算法 – 前向法(Forward Agorithm)。过几天还会陆续完全弄懂、写好Viterbi与Baum-Welch算法。

本文目录:

  • Page 1: 前文提要
  • Page 2: 普通的穷举算法
  • Page 3: 可行的替代算法 – 前向法
  • Page 4: 参考书目
Last Modified:2010/08/29 23:40 All rights reserved.

前文提要:

在之前的HMM文章中提到,HMM模型将涉及到3个问题:

  1. 给定一个观察到得序列O,及参数\lambda,求出P(O|\lambda),即发生这种观察序列的可能性。对应上面例子中,即是我给定一个最终确定了的水果序列S,求我选到这样的水果的可能性。
  2. 给定一个观察到的序列O,及参数\lambda,求出最有可能产生这种序列的状态序列S。对应上面例子中,即我给定一个最终确定了的水果序列S,求我最可能的选水果筐路径。
  3. 同样给定一个观察得到的序列O,求如何调整参数\lambda,使P(O|\lambda)最大。

这里讨论的将会是第一个问题,即所谓的估值问题。

再次,在问题一中我们的目标是求出可见序列O在参数集\lambda(包含Transition Matrix、Emission Matrix、N、M、Pi)中的发生概率,即求P(O|\lambda),请着眼于这个概率,以下将以P(O|\lambda)作为主角。

(请留意换页… Next Page »)

Pages: 1 2 3 4

5 comments to HMM中的前向法(Forward Agorithm)

Leave a Reply

 

 

 

You can use these HTML tags

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <pre lang="" line="" escaped="" highlight="">