概率图模型
概率图模型——用图来表示变量间的相关关系的概率模型
分类:
概率图模型根据边的性质的不同可分为两类:
有向图模型或贝叶斯网:使用有向无环图表示变量间的依赖关系
无向图模型或马尔可夫网:使用无向图表示变量间的依赖关系
一、隐马尔科夫模型
隐马尔科夫模型——结构最简单的动态贝叶斯网(无后效性)
主要用于时序的数据建模,在语音识别,自然语言处理等领域有广泛应用
模型:对一个状态,不能直接观察其状态值,但是可以观测到状态的生成的观测状态的值。
三要素构成一个时序的状态转移链——马尔可夫链
要素:
无后效性
状态,观测
状态转移矩阵
状态观测矩阵
初始状态
————确定了一个马尔可夫模型
可以认为是三种问题的抽象:
1)已知模型和观测序列,求这一模型下这一观测序列出现的概率
——思路:求出所有观测的情况,就可以计算出当前观测出现的概率(计算量巨大