Question

我是matlab，隐藏马尔可夫模型和机器学习的新手，我正在尝试对给定的信号序列进行分类。如果我所遵循的方法是正确的，请告诉我：

创建N×N转换矩阵并填充随机值，每行的总和为1。（N将是州的数量）
创建一个N×M发射/观测矩阵，并填充随机值，每行总和为
将序列的不同实例（即每个实例将单词'hello'）转换为一个长流并将每个流馈送到hmm列车函数，以便：

new_transition_matrix old_transition_matrix = hmmtrain（sequence，old_transition_matrix，old_emission_matrix）
将最终的过渡和发射矩阵用于具有未知序列的hmm解码以给出概率即[posterior_states logrithmic_probability] = hmmdecode( sequence, final_transition_matrix,final_emission_matris)

Answer 1

1。和 2。是正确的。你必须要小心你的初始转换和发射矩阵不是完全一致的，它们应该稍微随机化以使training起作用。

3. 我只是单独输入'Hello'序列，而不是将它们连接起来形成一个长序列。

假设这是Hello：[1,0,1,1,0,0]的序列。如果你从3个'Hello'序列形成一个长序列，你会得到：

data = [1,0,1,1,0,0,1,0,1,1,0,0,1,0,1,1,0,0]

这并不理想，相反，您应该单独输入序列，如：

data = [1,0,1,1,0,0; 1,0,1,1,0,0; 1,0,1,1,0,0]。

由于您使用的是MatLab，我建议您使用Murphy的HMM toolbox。它有一个关于如何训练具有多个观察序列的HMM的演示：

M = 3;
N  = 2;

% "true" parameters
prior0 = normalise(rand(N ,1));
transmat0 = mk_stochastic(rand(N ,N ));
obsmat0 = mk_stochastic(rand(N ,M));

% training data: a 5*6 matrix, e.g. 5 different 'Hello' sequences of length 6
number_of_seq = 5;
seq_len= 6;
data = dhmm_sample(prior0, transmat0, obsmat0, number_of_seq, seq_len);

% initial guess of parameters
prior1 = normalise(rand(N ,1));
transmat1 = mk_stochastic(rand(N ,N ));
obsmat1 = mk_stochastic(rand(N ,M));

% improve guess of parameters using EM
[LL, prior2, transmat2, obsmat2] = dhmm_em(data, prior1, transmat1, obsmat1, 'max_iter', 5);
LL

4. 你说的是正确的，下面是你如何计算HMM工具箱中的日志概率：

% use model to compute log[P(Obs|model)]
loglik = dhmm_logprob(data, prior2, transmat2, obsmat2)

最后：如果有任何不清楚的地方，请看看paper by Rabiner数学如何运作。

希望这有帮助。

使用hmm对序列进行分类的基本帮助

1 个答案: