我正在构建一个隐马尔可夫模型，以确定某人是否说“是”或“否”。我开发了隐马尔可夫模型，我从这个页面看到了一个教程：
http://www.cslu.ogi.edu/tutordemos/nnet_recog/recog.html
在本教程中它说：
该图通过假设的概率矩阵追踪“是”和“否”的搜索路径。即使“否”的得分非常低，如果“是”还没有出现在我们的词汇表中，仍然有可能找到这个词最可能的路径。通过阅读以下伪代码算法可以理解维特比搜索（借用Rabiner的论文，隐藏马尔可夫模型教程和语音识别中的选定应用）：
我已阅读了两篇论文，我仍然对他们所说的内容感到困惑：
through a hypothetical matrix of probabilities
我的问题是这个概率矩阵来自哪里？例如，我已经完成了以下操作：
这意味着我留下了包含音素的块。我已经计算了数据的过零点，因此我想到了我的观点：
对于“否”，此数据非常低，
对于“是”，此数据非常高。
所以在上面给出的例子中，它说：
Even though the score for "no" is very low,
那么我可以将零交叉的结果作为我的概率传递给我吗？我很困惑，希望有人可以帮助我。
答案 0 :(得分：2)
在哲学意义上，这个概率矩阵来自自然。更严重的是，这个矩阵代表了转换矩阵的概念，它可以由Baum Welch在采样数据上计算，如果一个人不“知道”自然的真实分布（没有人这样做）。这就是他们说这是假设的原因。
关于你的第二个问题，你需要通过将Baum Welch应用到零交叉样本来获得Transition矩阵（概率）（我不确定过零样本是什么，通常mfcc用于此类事情）。
如果需要进一步澄清或者我误解了某些内容，请告诉我。