SophieZhou的专栏

<br />HMM模型主要有三种应用场合，1.估计，给几个HMM模型，看哪一个模型更有可能生成现有的观测值序列。前向算法的应用。<br />2.解码，利用Viterbi 算法，找出一组最有可能产生此观测序列的隐藏状态序列。词性标注中应用比较多。<br />3.学习，根据观测序列，学习模型的参数A,B,PI等，前向-后向算法的使用，EM算法。<br /> <br />我想我首先想用的就是前向-后向算法吧，对参数进行学习的，这部分是最复杂的。<br /> <br />计划明天之前把第三种应用的程序搞定。

<br />我想，对大多数时候，尤其是将HMM用在视频数据的处理中时，主要是利用BaumWelch算法进行学习训练的应用，即HMM的第三个问题的解决。根据样本训练HMM中的三组参数。<br /> <br />在训练过程中，需要的样本是标注好的，这样的话，当然是没有问题的。可利用无监督也可以实现训练学习吧，只是听52nlp上说，无监督时效果肯定不好。具体也没多分析，我在想到底有什么不好呢？还有在HMM的训练学习过程中，其实有点类似于EM算法的实现，初始化的选择很重要，那么有什么需要注意的吗？这个也没有找到答案

<br />HDP-HMM实现的过程<br /> <br />一直想尝试实现这个模型应用到我的数据中，HMM貌似看懂了，可真的自己实现时还是发现了很多问题。加油吧，一定要在走之前实验完成了，过年后交毕业论文，准备答辩。如果老板让早点答辩，就早点答辩去开始实习去。<br /> <br />下一个阶段头大的事情就是毕业论文了，加油。<br /> <br />关于HDP-HMM，陆续会写些进展的文章，希望能够尽快。