我在理解 Baum-Welch 算法的确切工作原理时遇到了一些问题。我读到它调整了 HMM 的参数（转换和发射概率），以最大化给定模型可以看到我的观察序列的概率。
但是，如果我有多个观察序列会发生什么？我想针对大量观察训练我的 HMM（我认为这是通常所做的）。
例如， ghmm可以为该方法获取单个观察序列和完整的观察集baumWelch。
它在两种情况下的工作方式相同吗？还是算法必须同时知道所有观察结果？
问问题
3293 次
1 回答
9
在 Rabiner 的论文中，GMM 的参数（权重、均值和协方差）在 Baum-Welch 算法中使用这些方程重新估计：
这些仅适用于单个观察序列的情况。在多重情况下，分子和分母只是对所有观察序列求和，然后除以得到参数。（可以这样做，因为它们仅代表职业计数，请参见论文的第 273 页）
因此，在调用算法期间不需要知道所有观察序列。例如，HTK 中的HERest工具有一种机制，允许在多台机器之间拆分训练数据。每台机器计算分子和分母并将它们转储到文件中。最后，单机读取这些文件，将分子和分母相加，然后除以得到结果。见第 4 页。129之HTK书 v3.4
于 2014-05-30T15:59:27.637 回答