标签: hidden-markov-models

我现在正在尝试为我的项目使用隐马尔可夫模型,我搜索了互联网,并在MATLAB或C/C++中发现了许多隐藏的马尔可夫模型实现.事实上,Matlab提供了一个统计工具箱,其中包括隐马尔可夫模型的实现.我是这个领域的新手,我想知道哪个工具箱或库是最好的.购买隐藏马尔可夫模型的统计工具箱是明智的吗？此外,我计划在图像处理的背景下使用这个模型.谢谢!

matlab signal-processing image-processing hidden-markov-models

fee*_*ree

2015 11-26

2
推荐指数

1
解决办法

2508
查看次数

hmmlearn：在给定完整观察序列 1:T 的情况下，如何获得时间 T+1 时隐藏状态概率的预测

我正在使用 hmmlearn 的 GaussianHMM 来训练具有高斯观测的隐马尔可夫模型。每个隐藏状态k都有其对应的高斯参数：mu_k，Sigma_k。

训练模型后，我想计算以下数量：

P(z_{T+1} = j | x_{1:T}),

其中 j = 1, 2, ... K，K 是隐藏状态的数量。

上述概率基本上是一步前进的隐藏状态概率，给定完整的观察序列：x_1, x_2, ..., x_T，其中 x_i, i=1,...,T 用于训练 HMM模型。

我阅读了文档，但找不到计算此概率的函数。有什么解决方法吗？

python hidden-markov-models hmmlearn

cwl*_*cwl

lucky-day

2
推荐指数

1
解决办法

8711
查看次数

我们可以通过HMM来做监督学习吗？

我相信我理解 HMM 的核心。通过 HMM，我们解决了评估（发出的 seq 的概率）、解码（最可能的隐藏 seq）和学习问题（从观察到的发射 seq 集中学习转换和发射概率矩阵）。

我的问题与学习问题有关。我有发射序列，但每个序列也有相关的特征（意味着隐藏状态值，但隐藏状态的数量未知）。与 HMM 的学习问题一样，我们估计隐藏序列（大小和概率矩阵），为此我们只需要发射序列（如果事先未知，则可以优化隐藏序列的大小）。

我正在使用 HMM库进行计算。当然，它没有我想要的选项。

import numpy as np
import pandas as pd

from hmmlearn import hmm

filenames =  [f for f in os.listdir(dir_path) if '.csv' in f.lower()]
d1 = pd.read_csv(dir_path + filenames[0]).as_matrix() # Shape = [m, 3] => first two column is featute and last is the emission-state 
d2 = pd.read_csv(dir_path + filenames[1]).as_matrix() # Shape = [m, 3]


##
remodel = hmm.GaussianHMM(n_components=4, covariance_type="full", n_iter=100)

remodel.fit(d1[:, 0:2])  # Problem …

Run Code Online (Sandbox Code Playgroud)

python hidden-markov-models supervised-learning hmmlearn

zea*_*eal

lucky-day

2
推荐指数

1
解决办法

3564
查看次数