iteration - 为什么我们在训练隐马尔可夫模型时要迭代

Question

我正在使用隐藏马尔可夫模型进行分类，即 jahmm 实现。

在训练模型时，我使用 kMeans 聚类作为初始模型。然后 ia 使用任意迭代轮次来优化模型。我想知道在这些迭代中会发生什么。

我的直觉告诉我，序列是基于初始模型生成的，而这些序列又用于再次训练模型，依此类推。

这是真的还是发生了其他事情？

谢谢！

Answer 1

BaumWelchLearner.java：

public <O extends Observation> Hmm<O>
    learn(Hmm<O> initialHmm, List<? extends List<? extends O>> sequences)
    {
        Hmm<O> hmm = initialHmm;

        for (int i = 0; i < nbIterations; i++)
            hmm = iterate(hmm, sequences);

        return hmm;
    }

实际上，它在每次迭代中一遍又一遍地使用提供的观察序列。需要迭代，因为模型有时只能缓慢收敛到局部最大值。编写这样的程序以查看每次迭代后的模型：

BaumWelchLearner bwl = new BaumWelchLearner();
for (int i=0; i<=bwl.getNbIterations(); i++) {
    Hmm iteration = bwl.iterate(yourHmm, learningSequences);
    System.out.println("\nIteration " + i + ":\n" + iteration.toString());
    yourHmm = iteration;
}