广义向前向后算法
基本信息
- 中文名
广义向前向后算法
- 外文名
forward-backward algorithm
- 又称
鲍姆-韦尔奇算法
- 定义
训练HMM的转移概率和发射概率
- 属于
EM算法的一种特殊情形
- 应用学科
计算机原理
概述
EM算法可用于含有隐变量的统计模型的参数最大似然估计，其基本思想是：初始时随机地给模型的参数赋值(该赋值必须遵守模型对参数的限制，如从一状态出发的所有概率的总和是1)，得到模型λ0，由λ0我们可以得到模型中隐变量的期望值。以隐马尔可夫模型为例，我们可以从λ0得到从某状态转移到另一个状态的期望次数。以期望次数来代替实际的次数，我们便可以得到模型参数的新的估计，由此可以得到模型λ1，从λ1我们可以得到模型薪的期望值，由此又可重新估计模型参数，循环以上的过程，模型参数将收敛于最大似然估计。向前向后算法是EM算法在HMM算法中的具体应用。
步骤
步骤如图：