3

假设我有一组随机的观察结果：

obs = [1, 2, 3, 5, 5, 5, 5, 5]

这些观察代表 HMM 中的 1 个状态。在 Matlab 中，我想对这些观察进行建模，这样我就可以使用 Viterbi 算法来创建一种分类器。

我遇到的问题是，在 Matlab 中生成模型方面，我真的不知道从哪里开始。工具箱中的功能似乎没有这个。

是否有一个特定的库，可以让我执行这样的程序来模拟一系列观察？

4

1 回答 1

2

要定义一个离散的 hmm，您至少需要：n模型的多个状态、一个n X n转换概率、一个可能的m观测值（排放）列表和一个n X m矩阵，其中包含每个状态中每个排​​放的概率。您所拥有的是一系列观察结果，仅凭这一点您无法定义 HMM。

所以我会先看一下mathworks这个教程来掌握基础知识。那里使用的功能是统计工具箱的一部分。

然后，您首先猜测 HMM 中的统计数据数量。假设您有 2 个统计数据（如上面提到的教程中所示）下一步将是为发射和转换矩阵创建初始猜测。如果您的可能排放量是1 2 3 4 5并且您的状态是，2那么您将得到一个2x5排放概率矩阵和一个2x2转移矩阵。

现在假设您猜测状态 1 产生1 2 3并且状态 2 产生4 5然后（均匀分布）您的发射矩阵如下所示：

>> emis=[1/3 1/3 1/3 0 0; 0 0 0 1/2 1/2]
emis =
    0.3333    0.3333    0.3333         0         0
         0         0         0    0.5000    0.5000

您还猜想在几个发射后状态确实从状态 1 变为状态 2，然后停留在那里。你的猜测有点像这样：

>> trans = [.8 .2; 0 1]
trans =
    0.8000    0.2000
         0    1.0000

你可以看看你的 HMM 会生成什么：

>> [seq,states] = hmmgenerate(6, trans, emis)
seq =
     2     1     3     2     4     5

states =
     1     1     1     1     2     2

从那时起，您可以使用观察系列来训练您的 HMM 函数hmmestimate或hmmtrain.

于 2014-03-25T13:49:00.080 回答