04-隱馬爾科夫模型(HMM)三

上一節(jié)中我們介紹了如何解決求觀測(cè)序列問(wèn)題問(wèn)題的前兩種方法,可參考03-隱馬可夫模型(HMM)二這一章節(jié),接下來(lái)我們介紹第三種方法,后向算法。

1、后向概率的定義

定義時(shí)刻t時(shí)隱藏狀態(tài)為qi, 從時(shí)刻t+1到最后時(shí)刻T的觀測(cè)狀態(tài)的序列為ot+1,ot+2,...oT的概率為后向概率。記為:

如圖所示:


image.png

2、后向概率的推導(dǎo):

3、總結(jié)一下后向算法的流程

輸入:HMM模型λ=(A,B,Π),觀測(cè)序列O=(o1,o2,...oT)
輸出:觀測(cè)序列概率P(O|λ)

  1. 初始化時(shí)刻T的各個(gè)隱藏狀態(tài)后向概率:
  2. 遞推時(shí)刻T?1,T?2,...1時(shí)刻的后向概率:
  3. 計(jì)算最終結(jié)果:
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容