1.1 监督学习方法
已知S个长度相同的观测序列和对应的状态序列,可以通过极大似然估计法。频率算概率:转移概率,观测概率,初始状态概率
1.2 Baum-Welch算法(非监督,EM算法)
已知S个长度为T的观测序列 O1 , O2 , ... ,OS,学习隐马尔可夫模型的参数。
这三种参数可通过上述三条公式求得。
而公式中的参数可通过转移概率,观测概率,初始概率求得。
所以,不断迭代计算,直到转移概率,观测概率,初始概率不再变化即收敛。
已知S个长度相同的观测序列和对应的状态序列,可以通过极大似然估计法。频率算概率:转移概率,观测概率,初始状态概率
已知S个长度为T的观测序列 O1 , O2 , ... ,OS,学习隐马尔可夫模型的参数。
这三种参数可通过上述三条公式求得。
而公式中的参数可通过转移概率,观测概率,初始概率求得。
所以,不断迭代计算,直到转移概率,观测概率,初始概率不再变化即收敛。