machine-learning - HMM 与手势识别的混淆

Question

我一直在阅读有关 HMM 理论的内容。据我了解，我们需要初始概率、转移概率和发射概率才能继续 HMM。我看到的关于 HMM 实现的例子从一开始就定义了所有这些概率。但问题是我想使用 HMM 识别手势，但我无法弄清楚如何定义概率(即转移概率和发射概率矩阵)。我知道如何使用维特比算法来获得最佳序列或如何使用前向-后向进行推理，这只是我担心的起始概率

任何人都可以指导我吗？

Answer 1

事实上，隐马尔可夫模型有三种主要算法，您提到了这三种算法中的两种:

1. 前向-后向算法。
2. 维特比算法
3. Baum Welch algorithm :从训练数据中推断参数(初始概率、转移概率、发射概率)。

Baum-Welch 算法基本上是一种期望最大化算法，从随机起始参数开始，然后使用前向-后向算法计算初始参数的最大似然值，然后进行迭代。 this lecture note 中对该算法的伪代码进行了很好的阐述。 。它还讨论了语音识别的相关问题，这是 HMM 的一个非常成功的应用。不幸的是，它没有讨论 Baum-Welch 或其他算法在实践中通常很难实现的事实，因为概率变得非常小。因此，在实践中，您要么必须小心缩放，使用对数概率，要么使用 sci-kit learn 的 HMM 实现，其中包括所有三种主要 HMM 算法。