HMM隐马尔科夫模型结合实例1
发布时间
阅读量：
阅读量
隐马尔可夫模型 Hidden Markov Model (HMM)
针对以下三个核心问题，相关研究者已开发出对应的计算方法：
- 1 评估问题：采用前向算法进行处理
- 2 解码问题：运用Viterbi算法（维特比算法）实现
- 3 学习问题：通过Baum-Welch算法（向前向后算法）完成
import numpy as np
from hmmlearn import hmm
# 隐藏状态：3个盒子
states = ['box1', 'box2', 'box3']
n_states = len(states)
# 观测状态：2种球
observations = ['red', 'white']
n_observations = len(observations)
# 模型参数
start_probability = np.array([0.2, 0.4, 0.4])
transition_probability = np.array([[0.5, 0.2, 0.3],[0.3, 0.5, 0.2],[0.2, 0.3, 0.5]])
emission_probability = np.array([[0.5, 0.5全部评论 (0)
还没有任何评论哟~