sma*_*ape 6 algorithm probability bioinformatics hidden-markov-models
我被教授HMM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,经销商不会翻转硬币,而是使用标签1,2和3滚动三面模具.(尽量不要考虑三面模具的外观.)经销商已经两个装载的骰子D1和D2.对于每个骰子Di,滚动数字i的概率是1/2,并且其他两个结果中的每一个的概率是1/4.在每个回合,经销商必须决定是(1)保持相同的骰子,(2)切换到另一个骰子,或(3)结束游戏.他选择(1)概率为1/2,其他每个概率为1/4.开始时,经销商以相同的概率选择两个骰子中的一个.
为这种情况提供HMM.指定字母表,状态,转换概率和发射概率.包括开始状态开始,并假设HMM以状态开始以概率1开始.还包括结束状态结束.
假设您观察到以下的模具辊序列:1 1 2 1 2 2.找到最能说明辊子顺序的状态序列.这个序列的概率是多少？通过完成Viterbi表找到答案.在单元格中包含回溯箭头,以便您可以追溯状态序列.以下某些事实可能有用:
log2(0)=-∞log2
(1/4)= -2
log2(1/2)= -1
log2(1)= 0- 对于这种模具辊序列,实际上存在两种最佳状态序列.另一个国家的序列是什么？
如果我对第一部分没有错,我必须做类似这里的事情http://en.wikipedia.org/wiki/Hidden_Markov_model#A_concrete_example但是我没有得到假设以概率1开始的东西.
另外,我不知道在问题的第二部分我要为维特比表做些什么.如果任何身体可以给我一些提示或线索,那将是伟大的.
假设你的起始概率为 1： 在 HMM 中，你要么有一个固定的起始状态，要么有一个关于所有状态的概率分布，它说明了从状态 X 开始的可能性。假设给定状态的起始概率为 1等于第一个选择。
维特比算法： 在维特比矩阵中，第 i 行通常对应于第 i 个状态，第 j 列对应于所发出符号的第 j 个长度的前缀。在每个条目 (i,j) 中，您已经看到前缀 j 并且处于状态 i 的最大概率。
为了进行回溯，您需要跟踪每个 (i,j) 单元，其中最大前体参与了 (i,j) 单元的计算。如果您有此信息，您可以从最后一列中具有最高值的单元格回溯到开头。反转这个回溯，你就得到了维特比路径。