HMM经典介绍论文Rabiner 1989翻译——连续观测密度

Posted Vic时代

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了HMM经典介绍论文Rabiner 1989翻译——连续观测密度相关的知识,希望对你有一定的参考价值。

4.1 连续观测密度

目前为止我们的讨论中只考虑了观测是离散值的情况,这种情况下对每个状态可以使用离散概率密度。但是存在一些应用离散值是连续信号(比如向量)。虽然可以通过码本把连续信号量化,但是这种量化可能存在严重的退化。所以希望HMM中可以用连续观测密度。

为了使用连续观测密度,必须对模型概率密度函数(probability density function, pdf)进行约束以使得pdf的参数可以通过一致的方法进行估计。最一般的pdf的表示是如下的有限混合形式:

bi(O)=m=1Mcjmf[O,μjm,Ujm],1jN(49)

其中 O 是被建模的向量, cjm 是在状态 j 的第m个混合的系数, f 是log-凹或者椭圆对称密度(比如高斯),μjm Ujm 分别为状态j下第m个混合的均值向量和协方差矩阵。一般 f 为高斯密度。混合增益cjm满足随机约束:

m=1Mcjm=1,1jN(50a)

cjm0,1jN,1mM(50b)

以使得pdf被正确归一化,即

bj(x)dx=1,1jN.(51)

(49)表示的pdf可以任意近地近似任一有限连续密度函数。所以可以用于解决很多问题。

混合密度系数的估计公式为

cjk¯=Tt=1γt(j,k)Tt=1Mk=1γt(j,k)(52)

μ¯jk=Tt=1γt(j,k)OtTt=1γt(j,k)(53)

HMM经典介绍论文Rabiner 1989翻译——连续观测密度

HMM经典介绍论文Rabiner 1989翻译(十七)——多观测序列

HMM经典介绍论文Rabiner 1989翻译(十八)——参数初始化

报童钱包和迪米特法则(设计模式迪米特原则经典论文翻译)

深度学习经典论文翻译合集Deep Learning Papers Translation(CV)

论文翻译2:61蒙哥马利模块化逆算法回顾