概念:描述一類重要的隨機動態系統(過程)的模型。該過程時間、狀態均為離散 的隨機轉移過程。
特點:
1.系統在每個時期所處的狀態是隨機的。
2.從一時期到下時期的狀態按一定概率轉移。
3.下時期狀態只取決於本時期狀態和轉移概率。即已知現在,將來與過去無關(無後效性)
馬氏鏈的基本方程
狀態:xn
=1,2
,...
k(n=
1,2,
...)
x n=
1,2,
...k
(n=1
,2,.
..
)狀態概率:ai
(n)=
p(xn
=i)(
i=1,
2,..
.k;n
=0,1
,2,.
..) ai(
n)=p
(xn=
i)(i
=1,2
,...
k;n=
0,1,
2,..
.)
其中 ∑k
i=1a
i(n)
=1∑ i=
1kai
(n)=
1轉移概率:pi
j=p(
xn+1
=j|x
n=i)
p ij
=p(x
n+1=
j|xn
=i
)其中pi
j≥0 pij
≥0
, ∑k
j=1p
ij=1
,i=1
,2,.
..,k
∑ j=
1kpi
j=1,
i=1,
2,..
.,
k基本方程:ai
(n+1
)=∑k
j=1a
j(n)
pji ai(
n+1)
=∑j=
1kaj
(n)p
ji
i=1,2,…,k
馬氏鏈的兩個重要型別
正則鏈
從任一狀態出發經有限次轉移能以正概率到達另外任一狀態。
吸收鏈
存在吸收狀態(一旦到達就不會離開的狀態i, pi
i=1 pii
=1
),且從任一非吸收狀態出發經有限次轉移能以正概率到達吸收狀態。
使用模型:健康與疾病,鋼琴銷售的存貯策略,基因遺傳,等級結構。
隱馬爾可夫模型(hmm)
概念:隱馬爾可夫模型是馬爾可夫鏈的一種,它的狀態不能直接觀察到,但能通過觀測向量序列觀察到,每個觀測向量都是通過某些概率密度分布表現為各種狀態,每乙個觀測向量是由乙個具有相應概率密度分布的狀態序列產生。
特點:隱馬爾可夫模型是乙個雙重隨機過程—-具有一定狀態數的隱馬爾可夫鏈和顯示隨機函式集。
組成:隱馬爾可夫模型(hmm)可以用五個元素來描述,包括2個狀態集合和3個概率矩陣。
1.隱含狀態 s
這些狀態之間滿足馬爾可夫性質,是馬爾可夫模型中實際所隱含的狀態。這些狀態通常無法通過直接觀測而得到。(例如s1、s2、s3等等)
2.可觀測狀態 o
在模型中與隱含狀態相關聯,可通過直接觀測而得到。(例如o1、o2、o3等等,可觀測狀態的數目不一定要和隱含狀態的數目一致)
3.初始狀態概率矩陣 π
表示隱含狀態在初始時刻t=1的概率矩陣,(例如t=1時,p(s1)=p1、p(s2)=p2、p(s3)=p3,則初始狀態概率矩陣 π=[ p1 p2 p3 ].
4. 隱含狀態轉移概率矩陣 a
描述了hmm模型中各個狀態之間的轉移概率。 其中a
ij=p
(sj|
si),
1≤i,
,j≤n
. aij
=p(s
j|si
),1≤
i,,j
≤n
.表示在 t 時刻、狀態為 si
s
i的條件下,在 t+1 時刻狀態是sj
s
j的概率。
5. 觀測狀態轉移概率矩陣 b (英文名為confusion matrix,直譯為混淆矩陣)
令n代表隱含狀態數目,m代表可觀測狀態數目,則: bi
j=p(
oi|s
j),1
≤i≤m
,1≤j
≤n. bij
=p(o
i|sj
),1≤
i≤m,
1≤j≤
n.
表示在 t 時刻、隱含狀態是 sj
s
j條件下,觀察狀態為oi
o
i的概率。
令n代表隱含狀態數目,m代表可觀測狀態數目,則: bi
j=p(
oi|s
j),1
≤i≤m
,1≤j
≤n. bij
=p(o
i|sj
),1≤
i≤m,
1≤j≤
n.
表示在 t 時刻、隱含狀態是 sj 條件下,觀察狀態為 oi 的概率。
隱馬爾可夫模型以它在時間上的模式識別所知,如語音,手寫,手勢識別,詞類的標記,樂譜,區域性放電和生物資訊學應用,氣象氣候預報。
學習筆記25馬氏鏈模型
前段時間擔任協會負責人,在搞matlab培訓,又報了一堆競賽。最近幾個星期有空學習和記錄。上次國賽全國二等獎的目標沒達到,拿了個省一等獎,繼續努力。下面給出圖中沒有顯示的 給出注釋。通過寫注釋理解 以及演算法 clc,clear format rat 資料格式是有理分數 fid fopen msda...
用馬氏鏈解決市場份額問題
用lingo解答市場份額的 如下 model 新產品的市場 sets prod a b c d p link prod,prod t endsets data 轉移矩陣概率 t 0.75 0.1 0.05 0.1 0.4 0.2 0.1 0.3 0.1 0.2 0.4 0.3 0.2 0.2 0.3...
馬氏距筆記
馬氏距離與其推導這篇部落格中所提到的 由於將資料集旋轉後資料的各維度之間是不相關的 xn m求出的協方差中的,非對角元素代表的是在該樣本矩陣中,不同維度之間的影響。而馬氏距離與其推導這篇部落格是說協方差的非對角元素為0 各維度之間是不相關的 那麼協方差的非對角元素為0本身代表什麼意思?它是一種統計意...