隐马尔可夫模型

发布时间：2020-12-14 21:51:13 所属栏目：大数据来源：网络整理

导读：动态模型：离散：HMM 连续：线性：kalman Filter 非线性：Particle Filter HMM的两个假设： ①齐次马尔可夫假设当前的隐变量只与前一个隐变量有关 ②观测独立假设观察变量只与它的隐变量有关三个问题： 1.evaluation 2.learning 3.decoding ? evaluati

动态模型：

离散：HMM

连续：

　　线性：kalman Filter

　　非线性：Particle Filter

HMM的两个假设：

①齐次马尔可夫假设

当前的隐变量只与前一个隐变量有关

②观测独立假设

观察变量只与它的隐变量有关

三个问题：

1.evaluation

2.learning

3.decoding

evaluation：

已知(初始概率分布Π，转移矩阵A，发射矩阵B) => 入

求P(O|入）

前向算法：

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!