问题标签 [viterbi]

我对 HMM 包中的 viterbiTraining 函数有一些问题。我尝试在一个非常简单的嗯和一个观察向量上使用它。

这是代码：

Emisije 向量如下所示：

头（埃米西耶）

[1] “区间 A” “区间 A” “区间 A” “区间 C” “区间 B” “区间 A”

运行后一切正常，除了 viterbiTraining 函数，它给出以下结果：

viterbiTraining(stanji,Emisije)

if (d < delta) { 中的错误：需要 TRUE/FALSE 的缺失值

即使采用完全相同的参数的类似函数 baumWelch 也可以正常工作，所以我真的不明白这里出了什么问题。

谁能向我解释我做错了什么？先感谢您。

我已经实现了一个 k-best Viterbi 算法，以便通过 HMM 提取 k-best 路径，如此处所述。但是，如果k大于隐藏状态的数量，我会收到错误消息。

考虑以下内容：在时间t的第一次观察中，每个状态j的每个k都是相同的（即到该状态的所有路径都是相同的，因为这是第一次观察）。然后，我想计算状态i在时间t+1的 k 最佳路径。为了做到这一点，我在时间t提取了 k-best 前驱路径。但是，由于t时每个状态的所有路径都是相同的，因此我的状态i最终得到相同的最佳前导状态k次（这同样适用于时间t+1的所有状态）。这有效地导致所有路径都是相同的路径（第一最佳）。

正如文献中所建议的那样，我在寻找 k-best 前驱状态时忽略了已经采用的路径。然而，这实际上让我在时间t有N条不同的路径，其中N指的是隐藏状态的数量。因此，在时间t寻找 k 最佳前导路径时，选择大于N的k会导致错误。

我希望我试图表达的观点得到通过。显然，我在这里遗漏了一些东西，但我无法弄清楚是什么。

我对隐马尔可夫模型相当陌生，我正试图围绕该理论的一个非常基本的部分展开思考。

我想使用 HMM 作为分类器，因此，给定数据的时间序列，我有两个类：背景和信号。

如何估计每个类别的排放概率？维特比算法是否需要背景和信号的模板来估计概率（数据|状态）？还是我完全错过了重点？

简而言之 - 我想将这里问题的第一个答案从 Python 转换为 C#。我目前拆分连词的解决方案是指数级的，我想要一个线性解决方案。我假设我的输入文本中没有间距和一致的大小写。

背景

我希望将诸如“wickedweather”之类的连体字符串转换为单独的单词，例如使用 C# 的“wicked weather”。我创建了一个可行的解决方案，一个使用指数时间的递归函数，这对于我的目的来说根本不够有效（处理至少超过 100 个连接词）。这里是我到目前为止阅读的问题，我认为这可能会有所帮助，但我无法将他们的回答从 Python 转换为 C#。

• 如何拆分多个连接词？
• 需要帮助理解这个 Python Viterbi 算法
• 如何有效地从连续字符串中提取文字单词？

我当前的递归解决方案

这适用于只想在 C# 中拆分几个单词（< 50）并且并不真正关心效率的人。

我当前的解决方案计算出所有可能的单词组合，找到最可能的输出和显示。我目前将最可能的输出定义为使用最长单个单词的输出 - 我更愿意使用不同的方法。这是我当前的解决方案，使用递归算法。

该算法依赖于条目文本中没有空格或其他符号（这里不是真正的问题，我不关心拆分标点符号）。在字符串中添加的随机附加字母可能会导致错误，除非我将字母表中的每个字母都存储为字典中的“单词”。这意味着“wickedweatherdykjs”将使用上述算法返回“wicked weather dykj s”，而我更喜欢“wicked weather dykjs”的输出。

我更新的指数解决方案：

我想如何使用维特比算法

我想创建一个算法，它可以为联合字符串找出最可能的解决方案，其中概率是根据我提供算法的文本文件中单词的位置计算的。假设该文件首先以英语中最常用的单词开头，下一行是第二常用的单词，依此类推，直到我的字典中最不常用的单词。大致是这样的

• 这
• 是
• 和
• ...
• 律师

这是我想使用的此类文本文件的一个小示例的链接。 这是我想使用的更大的文本文件

这个文件定位背后的逻辑如下……

可以合理地假设它们遵循 Zipf 定律，即单词列表中排名为 n 的单词的概率大约为 1/(n log N)，其中 N 是字典中的单词数。

Generic Human，在他出色的 Python 解决方案中，比我能更好地解释这一点。我想将他对问题的解决方案从 Python 转换为 C#，但是经过数小时的尝试后，我无法产生一个可行的解决方案。我也对这样的想法持开放态度，即维特比算法的相对频率可能不是拆分单词的最佳方法，还有其他关于使用 C# 创建解决方案的建议吗？

我需要对一些卷积编码信号进行维特比解码。我的应用程序适用于大文件，因此我无法将所有信号插入堆中，因此我需要通过一系列单独的缓冲区来处理数据。我找到了一个很好的维特比解码库——在博士的 C++ 中的编码器和维特比解码器。多布斯。我已经应用了库中的解码器，它工作正常，但没有提供连续使用的功能（考虑到先前的计算，为每个信号缓冲区多次调用一个函数）。然后我找到了 提供必要功能的GNU Radio C++ 库。但我不明白如何使用它的功能，因为它不提供文档。它包含维特比解码的例子如下：

其中的文件viterbi.c还包含下一个函数viterbi()，但没有声明：

我还发现了 Viterbi 解码的另一种实现方式 -螺旋项目。但它也不包含正常的描述，也不想编译。ExpertCore和前向纠错 DSP 库还有两个实现。

我的问题：谁能理解如何使用上述 GNU Radio 的 Viterbi 算法实现连续用于二进制交错数字信号（我的信号的编码器参数：K=7 rate=1/2，我文件中的每一位都是解调的信号样本）？

I think they are the same concept, https://courses.engr.illinois.edu/cs498jh/Slides/Lecture10.pdf Probabilistic CYK algorithm is used the viterbi algorithm to parse, is my concept is correct?

我正在使用 Viterbi 算法和 Trigram 语言模型设计一个简单的词性标注器。我如何决定使用哪个标签集进行训练？（英语的词性标注器）

我正在尝试使用 ViterbiParser 和 ChartParser 来解析句子“Birds fly”。跟踪过程，似乎它应该工作，但总是返回None

这是痕迹。（维特比）：

图表解析器：

两个解析器似乎都正确地构建了句子，但仍然返回 None。这是怎么回事？

我在学校运行具有 2 个隐藏状态的隐马尔可夫模型项目的脚本。在某些时候，我使用维特比算法来找到最合适的隐藏状态序列。我的输出是这样的向量：

我想计算每个状态有多少个子序列，并记录它们的长度和位置。例如，输出将是这样的 matrx：

是否有任何 R 命令或包可以轻松做到这一点？

谢谢你。

我有两个文本文件。两者的内容相同，但格式不同。在一个文件中，单词或字母之间有多余的空格。也有不同的换行符。例如：

文件1：

文件2：

假设我the Knowledge Management从 File1 中选择了字符串，并且我想将它与th e K n o w l e d ge ManagementFile2 中的字符串匹配。

我怎样才能实现它？第二个文件中没有固定的畸形。唯一可以确定的是，两个文件中的字符顺序相同，它们可能被额外的空格分隔，或者它们之间的空格可能丢失。

我想应用卖方算法或维特比算法，但我不确定。近似字符串匹配也可能很昂贵。

任何线索都会有所帮助。非常感谢！