05-隱馬爾科夫模型(HMM)四

本篇文章我們來(lái)解決,在給定模型和觀測(cè)序列的情況下,求出最可能出現(xiàn)的對(duì)應(yīng)的隱狀態(tài)序列。
HMM模型的解碼問(wèn)題最常用的算法是維特比算法,接下來(lái)我們將利用維特比算法來(lái)解決上述問(wèn)題。

1、維特比算法概述

維特比算法是一個(gè)通用的解碼算法,是基于動(dòng)態(tài)規(guī)劃的求序列最短路徑的方法,既然是動(dòng)態(tài)規(guī)劃算法,那么久需要找到合適的局部狀態(tài),以及局部狀態(tài)的遞推公式。在HMM中,維特比算法定義了兩個(gè)局部狀態(tài)用于遞推。

第一個(gè)局部狀態(tài)是在時(shí)刻t隱藏狀態(tài)為i所有可能的狀態(tài)轉(zhuǎn)移路徑i1,i2,...it中的概率最大值。記為δt(i):

由δt(i)的定義可以得到δ的遞推表達(dá)式:

第二個(gè)局部狀態(tài)由第一個(gè)局部狀態(tài)遞推得到。我們定義在時(shí)刻t隱藏狀態(tài)為i的所有單個(gè)狀態(tài)轉(zhuǎn)移路徑(i1,i2,...,it?1,i)中概率最大的轉(zhuǎn)移路徑中第t?1個(gè)節(jié)點(diǎn)的隱藏狀態(tài)為Ψt(i)(表示該隱狀態(tài)),其遞推表達(dá)式可以表示為:

有了這兩個(gè)局部狀態(tài),我們就可以從時(shí)刻0一直遞推到時(shí)刻T,然后利用Ψt(i)記錄的前一個(gè)最可能的狀態(tài)節(jié)點(diǎn)回溯,直到找到最優(yōu)的隱藏狀態(tài)序列。

2、維特比算法流程總結(jié)

輸入:HMM模型λ=(A,B,Π),觀測(cè)序列O=(o1,o2,...oT)
輸出:最有可能的隱藏狀態(tài)序列I?={i?1,i?2,...i?T}

1)初始化局部狀態(tài):
  1. 進(jìn)行動(dòng)態(tài)規(guī)劃遞推時(shí)刻t=2,3,...T時(shí)刻的局部狀態(tài):
  2. 計(jì)算時(shí)刻T最大的δT(i),即為最可能隱藏狀態(tài)序列出現(xiàn)的概率。計(jì)算時(shí)刻T最大的Ψt(i),即為時(shí)刻T最可能的隱藏狀態(tài)。


  3. 利用局部狀態(tài)Ψ(i)開(kāi)始回溯。對(duì)于t=T?1,T?2,...,1:

    最終得到最有可能的隱藏狀態(tài)序列I?={i?1,i?2,...i?T}

3、HMM維特比算法求解實(shí)例

我們的觀察集合是:
V={紅,白},M=2

我們的狀態(tài)集合是:
={盒子1,盒子2,盒子3},N=3

而觀察序列和狀態(tài)序列的長(zhǎng)度為3.

初始狀態(tài)分布為:


狀態(tài)轉(zhuǎn)移概率分布矩陣為:
觀測(cè)狀態(tài)概率矩陣為:

球的顏色的觀測(cè)序列:
O={紅,白,紅}

按照我們上一節(jié)的維特比算法,首先需要得到三個(gè)隱藏狀態(tài)在時(shí)刻1時(shí)對(duì)應(yīng)的各自兩個(gè)局部狀態(tài),此時(shí)觀測(cè)狀態(tài)為1:

t=1時(shí)刻

現(xiàn)在開(kāi)始遞推三個(gè)隱藏狀態(tài)在時(shí)刻2時(shí)對(duì)應(yīng)的各自兩個(gè)局部狀態(tài),此時(shí)觀測(cè)狀態(tài)為2:
t=2時(shí)刻

繼續(xù)遞推三個(gè)隱藏狀態(tài)在時(shí)刻3時(shí)對(duì)應(yīng)的各自兩個(gè)局部狀態(tài),此時(shí)觀測(cè)狀態(tài)為1:
t=3時(shí)刻

現(xiàn)在得到最后的時(shí)刻,開(kāi)始準(zhǔn)備回溯。
t=3:
最大概率為δ3(3),從而得到i?3 = 3,
t=2:
最大概率為δ2(3),從而得到i?2 = 3,
t=1:
最大概率為δ1(3),從而得到i?1 = 3,
最終得到的狀態(tài)序列為(3,3,3)

?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

  • 隱馬爾可夫模型(Hidden Markov Model,HMM) 最初由 L. E. Baum 和其它一些學(xué)者發(fā)表...
    vlnk2012閱讀 7,231評(píng)論 3 47
  • 隱馬爾可夫模型 是統(tǒng)計(jì)模型,它用來(lái)描述一個(gè)含有隱含未知參數(shù)的馬爾可夫過(guò)程。其難點(diǎn)是從可觀察的參數(shù)中確定該過(guò)程的隱含...
    mmmwhy閱讀 1,309評(píng)論 0 0
  • HMM簡(jiǎn)介 ??對(duì)于算法愛(ài)好者來(lái)說(shuō),隱馬爾可夫模型的大名那是如雷貫耳。那么,這個(gè)模型到底長(zhǎng)什么樣?具體的原理又是什...
    山陰少年閱讀 11,199評(píng)論 0 9
  • 隱形馬爾可夫模型,英文是 Hidden Markov Models,所以以下就簡(jiǎn)稱 HMM。既是馬爾可夫模型,就一...
    errorrrr閱讀 1,230評(píng)論 0 4
  • 踐行時(shí)間:20181119——20181125 本周踐行 心靜:不為瑣碎之事,尋常之事,和不可避免之事縈繞。 【目...
    荷語(yǔ)微光閱讀 165評(píng)論 0 0

友情鏈接更多精彩內(nèi)容