一阶马尔可夫链隐马尔可夫模型（HMMHMM的.PDF

回顾 • 一阶马尔可夫链 • 隐马尔可夫模型（HMM） • HMM的三大核心问题 • 估值问题 • HMM向前算法 • HMM向后算法 • 解码问题 • Viterbi算法 • 对数Viterbi算法 • 学习问题 • 向前向后算法 Ch 04. 参数模型 Part 2 贝叶斯置信网 特征相关性 • 某些情况下，关于分布的先验知识并非直接是概 率分布的形式，而是有关各个特征分量之间的统 计相关性（或独立性）关系 x 和x 统计独立，而 1 3 其他特征对不独立 相关性例子 • 汽车的状态 • 发动机温度 • 油温 • 油压 • 轮胎内气压 • 相关性 • 油压与轮胎内气压相互独立 • 油温与发动机温度相关 贝叶斯置信网 • 用图的形式来表示特征之间的因果依赖性 • 贝叶斯置信网（Bayesian belief net） • 因果网（causal network） • 置信网（belief net） • 有向无环图 • 节点间的连线具有方向性 • 途中无循环路径 • 仅讨论离散情况 贝叶斯置信网 • 每个节点A, B, C,…代表一个系统变量 （特征） • 每个节点可能的离散取值 • A的值：a , a , a ,… 1 2 3 • 例如 • A表示灯的状态 • a =开，a =关，P(a )=0.7，P(a )=0.3 1 2 1 2 • 节点之间的有向连接表示变量之间的依 赖关系 • 从A到C的连接表示P (c | a ) ，或P (c | a) i j • 任意节点的状态可通过与其相连的节点 的状态推断 联合概率 • 线性链 P (a,b,c, d ) P(a)P(b | a)P(c | b)P(d | c) P (b,c, d ) P(c | b)P(d | c)P(a)P(b | a) a P (c, d ) P(d | c)P(a)P(b | a)P(c | b) a b 联合概率 • 简单回路 P (e, f , g, h) P(e)P( f | e)P