← 返回刚才阅读的位置

知识卡片

结构图卡 · 9848.j · 生成模型:Hunyuan

HMM的双重随机过程与五元组

理解等级:高级

隐马尔科夫模型是马尔科夫链的延伸:底层状态按马尔科夫链演化却看不见,只能通过一层可见的观测序列间接推测,因此它是双重随机过程——一条隐马尔科夫链加上一组由隐状态生成观测的随机函数。五元组 (S,O,Ⅱ,A,B) 给出完整描述:S 是 t 时刻隐状态集合(如晴/阴/雨),O 是输出观测集合(如潮湿/干燥),Ⅱ 是初始概率向量,A 是隐状态间的转移矩阵,B 是混淆矩阵(发射概率),给出给定隐状态下出现某观测的概率,且转移与发射概率都与具体时间无关。隐状态序列服从马尔科夫性,观测序列本身不构成马尔科夫链,须经隐状态间接求出,正适合词性标注这类真实类别不可见、词语可见的任务。

结构图:

flowchart LR
  P[初始分布 Π] --> S1[隐状态 天气t1]
  S1 -->|转移 A| S2[隐状态 天气t2]
  S2 -->|转移 A| S3[隐状态 天气t3]
  S1 -->|发射 B| O1[观测 湿度t1]
  S2 -->|发射 B| O2[观测 湿度t2]
  S3 -->|发射 B| O3[观测 湿度t3]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第11章 概率图模型与词性标注 · 查看原书依据

      (1)S:一个系统在t时刻的状态空间集合 (S1 ,S2 ,…,Sn )。 (2)O:一个输出状态的集合(O1 ,O2 ,…,Om )。 (3)Ⅱ=(πi ):初始化概率向量。 (4)A=(aij ):状态转移矩阵。 (5)B=(bij ):混淆矩阵。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第11章 概率图模型与词性标注(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00037.html) - 结论依据:原文说明 HMM 是双重随机过程、给出五元组 (S,O,Ⅱ,A,B) 各项含义并指出观测不构成马尔科夫链,支撑双重随机与建模解释。 - 原始内容:(1)S:一个系统在t时刻的状态空间集合 (S1 ,S2 ,…,Sn )。 (2)O:一个输出状态的集合(O1 ,O2 ,…,Om )。 (3)Ⅱ=(πi ):初始化概率向量。 (4)A=(aij ):状态转移矩阵。 (5)B=(bij ):混淆矩阵。