下面的代码是我在hmm模型中找到的viterbi算法的一个python实现。该链接还提供了一个测试用例。
__init__中,我了解到:
initialProb是从给定状态开始的概率,
transProb是在任何给定时间从一种状态移动到另一种状态的概率,但是
我不明白的参数是obsProb有人能解释一下吗?

import numpy as np

'''
N: number of hidden states
'''
class Decoder(object):
def __init__(self, initialProb, transProb, obsProb):
    self.N = initialProb.shape[0]
    self.initialProb = initialProb
    self.transProb = transProb
    self.obsProb = obsProb
    assert self.initialProb.shape == (self.N, 1)
    assert self.transProb.shape == (self.N, self.N)
    assert self.obsProb.shape[0] == self.N

def Obs(self, obs):
    return self.obsProb[:, obs, None]

def Decode(self, obs):
    trellis = np.zeros((self.N, len(obs)))
    backpt = np.ones((self.N, len(obs)), 'int32') * -1

    # initialization
    trellis[:, 0] = np.squeeze(self.initialProb * self.Obs(obs[0]))

    for t in xrange(1, len(obs)):
        trellis[:, t] = (trellis[:, t-1, None].dot(self.Obs(obs[t]).T) * self.transProb).max(0)
        backpt[:, t] = (np.tile(trellis[:, t-1, None], [1, self.N]) * self.transProb).argmax(0)
    # termination
    tokens = [trellis[:, -1].argmax()]
    for i in xrange(len(obs)-1, 0, -1):
        tokens.append(backpt[tokens[-1], i])
    return tokens[::-1]

最佳答案

aHMM具有N隐藏状态和M可能的离散观测值由以下参数定义:
initialProb(大小向量):初始状态分布。条目N是最初(在时间0时)处于initialProb[i]状态的概率P(x_0 = i)
i(大小矩阵transProbxN):转移概率矩阵。条目N是从状态transProb[i][j]过渡到P(x_{t+1} = j | x_t = i)的概率。
i(尺寸矩阵jxobsProb):发射概率矩阵条目N是从状态M发射符号obsProb[i][j]的概率P(y_t = j | x_t = i)
通常,这些参数分别命名为ji\pi,或者分别命名为TE\pi
顺便说一下,hmms上的标准参考是tutorial by Rabiner

09-04 23:21