Ktl-icon-tai-lieu

mô hình markov ẩn

Được đăng lên bởi tlmylove630
Số trang: 14 trang   |   Lượt xem: 1015 lần   |   Lượt tải: 1 lần
MÔ HÌNH MARKOV ẨN
5.1 Giới thiệu
Mô hình Markov ẩn là mô hình thống kê trong đó hệ thống được mô hình
hóa được cho là một quá trình Markov với các tham số không biết trước và
nhiệm vụ là xác định các tham số ẩn từ các tham số quan sát được. Các tham số
của mô hình được rút ra sau đó có thể được sử dụng để thực hiện các phân tích
kế tiếp, ví dụ ứng dụng cho nhận dạng mẫu.
Trong một mô hình Markov điển hình, trạng thái được quan sát được từ
người quan sát, vì vậy các xác suất chuyển tiếp trạng thái là các tham số duy
nhất. Mô hình Markov ẩn thêm vào các đầu ra: mỗi trạng thái có xác suất phân
bổ trên các biểu hiện có thể. Vì vậy, nhìn vào dãy các biểu hiện được sinh ra bởi
HMM không trực tiếp chỉ ra dãy các trạng thái.
Chú ý: Quá trình Markov
Trong lí thuyết xác suất, quá trình Markov là một quá trình mang tính
ngẫu nhiên (stochastic process) với đặc tính như sau: trạng thái c k tại thời điểm
k là một giá trị trong tập hữu hạn {1,…,M}. Với giả thiết rằng quá trình chỉ diễn
ra từ thời điểm 0 đến thời điểm N và rằng trạng thái đầu tiên và trạng thái cuối
cùng đã biết, chuỗi trạng thái sẽ được biểu diễn bởi 1 vecto hữu hạn C={c 0,
…,cN}. Nếu P(ck | c0,c1,...,c(k − 1)) biểu diễn xác suất (khả năng xảy ra) của trạng
thái ck tại thời điểm k khi đã qua mọi trạng thái cho đến (k-1). Giả sử trong thời
điểm đó ck chỉ phụ thuộc vào trạng thái trước đó ck-1 và độc lập với các trạng
thái trước khác. Quá trình đó gọi là quá trình Markov bậc một(first order
Markov process). Có nghĩa là xác suất để xảy ra trạng thái c k tại thời điểm k,
khi biết trước mọi trạng thái cho đến thời điểm k-1 chỉ phụ thuộc vào trạng thái
trước, ví dụ trạng thái ck-1 tại thời điểm k-1. Khi đó ta có công thức:
P(ck | c0,c1,...,c(k − 1))= P(ck| c(k − 1))
Nói tóm lại một hệ có thuộc tính Markov được gọi là quá trình Markov
(bậc1).
Như vậy, với quá trình Markov bậc n:
P(ck | c0,c1,...,c(k − 1))= P(ck| ck-n,ck-n-1,…,c(k − 1))
Nói chung với giả thuật Viterbi quá trình xảy ra bên dưới được xem là
một quá trình Markov:
 Trạng thái hữu hạn nghĩa là số m là hữu hạn
 Thời gian rời rạc, nghĩa là việc chuyển từ trạng thái này sang trạng
thái khác cùng mất một đơn vị thời gian.

 Quan sát không tốn bộ nhớ, nghĩa là chuỗi các quan sát có xác suất
chỉ phụ thuộc vào trạng thái ngay trước đó (nên không cần lưu bộ nhớ
nhiều).
5.2 Trình bày vấn đề
 Phương pháp tiếp cận lí thuyết thông tin về nhận dạng

Hình 1
o Nhận dạng là tìm cách xác định được khả năng xảy ra lớn nhất
của chuỗi ngôn ngữ,W, khi cho trước căn ...
MÔ HÌNH MARKOV ẨN
5.1Giới thiệu
Mô hình Markov ẩn là mô hình thống kê trong đó hệ thống được mô hình
hóa được cho một quá trình Markov với các tham số không biết trước
nhiệm vụ xác định các tham số ẩn từ các tham số quan sát được. Các tham số
của mô hình được rút ra sau đó thể được sử dụng để thực hiện các phân tích
kế tiếp, ví dụ ứng dụng cho nhận dạng mẫu.
Trong một hình Markov điển hình, trạng thái được quan sát được từ
người quan sát, vậy các xác suất chuyển tiếp trạng thái các tham số duy
nhất. hình Markov n thêm o các đầu ra: mỗi trạng thái xác suất phân
bổ trên các biểu hiện có thể. Vì vậy, nhìn vào dãy các biểu hiện được sinh ra bởi
HMM không trực tiếp chỉ ra dãy các trạng thái.
Chú ý: Quá trình Markov
Trong thuyết c suất, quá trình Markov một quá trình mang tính
ngẫu nhiên (stochastic process) với đặc tính như sau: trạng thái c
k
tại thời điểm
k là một giá trị trong tập hữu hạn {1,…,M}. Với giả thiết rằng quá trình chỉ diễn
ra từ thời điểm 0 đến thời điểm N rằng trạng thái đầu tiên trạng thái cuối
cùng đã biết, chuỗi trạng thái sẽ được biểu diễn bởi 1 vecto hữu hạn C={c
0
,
…,c
N
}. Nếu P(c
k
| c
0
,c
1
,...,c
(k 1)
) biểu diễn xác suất (khả năng xảy ra) của trạng
thái c
k
tại thời điểm k khi đã qua mọi trạng thái cho đến (k-1). Giả sử trong thời
điểm đó c
k
chỉ phụ thuộc vào trạng thái trước đó c
k-1
độc lập với các trạng
thái trước khác. Quá trình đó gọi quá trình Markov bậc một(first order
Markov process). Có nghĩa xác suất để xảy ra trạng thái c
k
tại thời điểm k,
khi biết trước mọi trạng thái cho đến thời điểm k-1 chỉ phụ thuộc vào trạng thái
trước, ví dụ trạng thái ck-1 tại thời điểm k-1. Khi đó ta có công thức:
P(c
k
| c
0
,c
1
,...,c
(k − 1)
)= P(c
k
| c
(k − 1)
)
Nói tóm lại một h thuộc tính Markov được gọi quá trình Markov
(bậc1).
Như vậy, với quá trình Markov bậc n:
P(c
k
| c
0
,c
1
,...,c
(k − 1)
)= P(c
k
| c
k-n
,c
k-n-1
,…,c
(k − 1)
)
Nói chung với giả thuật Viterbi quá trình xảy ra bên dưới được xem
một quá trình Markov:
Trạng thái hữu hạn nghĩa là số m là hữu hạn
Thời gian rời rạc, nghĩa việc chuyển từ trạng thái này sang trạng
thái khác cùng mất một đơn vị thời gian.
mô hình markov ẩn - Trang 2
Để xem tài liệu đầy đủ. Xin vui lòng
mô hình markov ẩn - Người đăng: tlmylove630
5 Tài liệu rất hay! Được đăng lên bởi - 1 giờ trước Đúng là cái mình đang tìm. Rất hay và bổ ích. Cảm ơn bạn!
14 Vietnamese
mô hình markov ẩn 9 10 701