三面骰子的隐马尔可夫模型

时间:2011-12-07 07:40:32

标签: algorithm probability bioinformatics hidden-markov-models

我接受了HMM教学并且给了这个家庭作业问题。我理解了它的一部分,但我不确定它是否正确。问题是:

  

考虑一个不同的游戏,经销商没有翻转硬币,   而是滚动       一个带有标签1,2和3的三面模具。(尽量不要考虑什么是三面的       可能看起来像。)经销商有两个装载的骰子D1和D2。对于每个迪迪,       滚动数i的概率是1/2,其他两个的概率       结果是1/4。在每个转弯处,经销商必须决定是否(1)保持不变       死,(2)切换到另一个骰子,或(3)结束游戏。他以概率选择(1)       1/2和其他每个概率为1/4。在经销商选择的开始       两个骰子中的一个具有相同的概率。

     
      
  • 为这种情况提供HMM。指定字母表,状态,转换   概率和排放概率。包括一个开始状态开始,并假设   HMM在状态开始时以概率1开始。还包括结束   州结束。

  •   
  • 假设您观察到以下的掷骰序列:1 1 2 1 2 2.找到一个   最好地解释卷序列的状态序列。什么是概率   这个序列?通过完成Viterbi表找到答案。包括   回溯单元格中的箭头,以便您可以追溯状态序列。一些   以下事实可能有用:

         

    log2(0)= - ∞
      log2(1/4)= -2
      log2(1/2)= -1
      log2(1)= 0

  •   
  • 这个模具卷序列实际上有两个最佳状态序列。   什么是其他状态序列?
  •   

如果我对第一部分没有错,我必须做像http://en.wikipedia.org/wiki/Hidden_Markov_model#A_concrete_example这样的事情但是我没有得到假设以概率1开始的事情。

另外,我不确定在问题的第二部分我要为Viterbi表做些什么。如果任何身体可以给我一些提示或线索,那将是伟大的。

1 个答案:

答案 0 :(得分:2)

假设您的起始概率为1: 在HMM中,要么在所有状态中都有一个固定的起始状态或概率分布,它指出在状态X中开始的可能性。假设你给定状态的起始概率是1等于第一个变量。

<强>维特比算法: 在维特比矩阵中,第i行offten对应于第i个状态,第j列对应于发射符号的lenth j的前缀。在每个条目(i,j)中,您已经看到前缀j并且您处于状态i的最大概率。

对于你的回溯,你需要跟踪每个(i,j) - 单元哪个最大前体参与计算(i,j) - 单元。如果您有此信息,则可以从最后一列中具有最高值的单元格回溯到开头。扭转这个回溯,你得到了你的viterbi路径。