在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
自己根据算法编写了两个简单的matlab代码,应用于例子中的数据取得了正确的解,这里并没有考虑速度优化的问题,请大家不吝指教: 1.模型评估 HMM模型如下,试根据前向算法计算产生观察符号序列O={ABAB}的概率。
状态转移概率矩阵
a = [0.4 0.6 0 ;
0 0.8 0.2;
0 0 1 ];
观测矩阵:
o= [0.7 0.3 0.7 0.3;
0.4 0.6 0.4 0.6;
0.8 0.2 0.8 0.2];
初始概率矩阵:
pi = [1 0 0];
例题中的计算步骤:
1.当t = 1时
2.当t = 2时
3.当t = 3时
4.当t = 4时
最终有:
P(O| λ)= a4(1)+ a4(2)+ a4(3)=0.0717696
matlab代码实现:
%a矩阵是状态转移矩阵 a = [0.4 0.6 0 ; 0 0.8 0.2; 0 0 1 ]; %o矩阵是观察矩阵,观测序列是ABAB %该o矩阵根据观测序列做了相应的扩展。 o = [0.7 0.3 0.7 0.3; 0.4 0.6 0.4 0.6; 0.8 0.2 0.8 0.2]; %pi是初始状态概率矩阵 pi = [1 0 0]; [n,n] = size(a); [n,T] = size(o); n = length(pi); alpha = zeros(n,T); %初始化t=1时刻的alpha矩阵 for i = 1:n alpha(i,1) = pi(i)*o(i,1); end for t = 1:T-1 for i = 1:n sum = 0; for j = 1:n sum = sum + alpha(j,t)*a(j,i); end alpha(i,t+1) = sum * o(i,t+1); end end P = 0; for i = 1:n P = P + alpha(i,T); end P 计算得到的P值为0.0718,与例题中得到的结果十分接近。
2.最优路径选择问题 例子中的计算步骤: 1.初始化: 2.当t = 2时 3.当t = 3时 4.当t = 4时 递推结果: 最优状态序列: S1,S2,S2,S2. matlab代码实现: %a矩阵是状态转移矩阵 a = [0.4 0.6 0 ; 0 0.8 0.2; 0 0 1 ]; %o矩阵是观察矩阵,观测序列是ABAB %该o矩阵根据观测序列做了相应的扩展。 o = [0.7 0.3 0.7 0.3; 0.4 0.6 0.4 0.6; 0.8 0.2 0.8 0.2]; %pi是初始状态概率矩阵 pi = [1 0 0]; [n,n] = size(a); [n,T] = size(o); n = length(pi); derta = zeros(n,T); pha = zeros(n,T); maxer = zeros(n,n); %初始化t=1时刻的alpha矩阵 for i = 1:n derta(i,1) = pi(i)*o(i,1); end for t = 1:T-1 for i = 1:n nu = 0; for j = 1:n maxer(j,i) = derta(j,t)*a(j,i); end if max(maxer(:,i))==0 pha(i,t+1) = 0; else [nu,pha(i,t+1)] = max(maxer(:,i)); end derta(i,t+1) = nu * o(i,t+1); end end derta pha P = 0; q = zeros(1,T); [P q(T)]= max(derta(:,T)); for i = T-1:-1:1 q(i) = pha(q(i+1),i+1); end q 运行的结果是: q = 1 2 2 2 可以看出是与例题中计算出的结果是一样的。 |
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论