模式识别与机器学习 | 十一章 概率图模型基础

隐马尔科夫模型（Hidden Markov Model,HMM）

HMM是建模序列数据的图模型

1、第一个状态节点对应一个初始状态概率分布

2、状态转移矩阵A,

3、发射矩阵概率B

4、对特定的（x,y）的联合概率可以表示为

• α递归计算——前向算法
• β递归计算——后向算法

贝叶斯网络（有向概率图模型）

x与y独立：

        

x,y在条件z下独立（条件独立）

        

• 给定一个节点的父节点，该节点一定和其曾祖条件独立

        

贝叶斯网络参数：

二值变量：二项分布p,1-p 只有1个参数

条件分布  A->B:有2个参数

                A,B->C :有4个参数

viterbi解码例题

        

1、HMM模型：

初始概率Π  1*N

盒子间的转移矩阵A   N*N

发射矩阵B（给定盒子，选取每种水果的概率）N*M

2、 

     

(所给x的状态)	t=1	t=2	...	t=n