沙克

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。…

…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)