题意：第i天的天气会一定概率地影响第i+1天的天气，也会一定概率地影响这一天的湿度.概率在表中给出。给出n天的湿度，推测概率最大的这n天的天气。分析：这是引自机器学习中隐马尔科夫模型的入门模型，其实在这里直接DP就可以了定义：dp[i][j]为第i天天气为j（0,1,2分别表示三个天气）的概率，pa...
分类：
其他好文 时间：
2014-08-13 00:26:24
阅读次数：
258
hdu4865Peter's Hobby马尔科夫过程，欢迎讨论...
分类：
其他好文 时间：
2014-07-31 00:06:05
阅读次数：
408
第一部分 模型简介
隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程 ----具有一定状态数的隐马尔可夫链和显示随机函数集。自20 世纪80年代以来，HMM被应用于语音识别，取得重大成功。到了90...
分类：
其他好文 时间：
2014-07-29 14:38:48
阅读次数：
386
（http://blog.csdn.net/xum2008/article/details/38147425）隐马尔科夫模型（HMM）：图1. 隐马尔科夫模型隐马尔科夫模型的缺点： 1、HMM只依赖于每一个状态和它对应的观察对象： 序列标注问题不仅和单个词相关，而且和观察序列的长度，单词的上下文，等...
分类：
其他好文 时间：
2014-07-29 12:28:06
阅读次数：
291
隐马尔科夫模型（HMM）：
图1. 隐马尔科夫模型
隐马尔科夫模型的缺点：
1、HMM只依赖于每一个状态和它对应的观察对象：
序列标注问题不仅和单个词相关，而且和观察序列的长度，单词的上下文，等等相关。
2、目标函数和预测目标函数不匹配：
HMM学到的是状态和观察序列...
分类：
其他好文 时间：
2014-07-27 11:55:03
阅读次数：
338
当时比赛时没看这道题，后来看了下，感觉完全可以当做是条件概率之类的事情来做？其实这个是典型的隐马尔科夫模型的应用，这篇文章介绍的很不错http://blog.csdn.net/likelet/article/details/7056068
根本思想就是到第i天最优路径可以用第i-1天的最优路径推出来，也就是所谓的无后效性，其本质类似于递推，结合下概率方面的知识，递推一下就可以了
代码https...
分类：
其他好文 时间：
2014-07-26 15:06:10
阅读次数：
172
本章的假设前提是不同类之间存在相关性。连续的特征向量不是孤立的。
1，贝叶斯分类器
2，马尔科夫链模型
3，the viterbi algorithm
4, 信道均衡（channel equalization）:任务是回复被传输通道或者噪音破坏的信息序列。
5，隐式马尔科夫模型
6，带状态持续模型（state duration model）的HMM
...
分类：
其他好文 时间：
2014-07-25 11:05:21
阅读次数：
296
在马尔科夫模型中，每个状态代表了一个可观察事件，所以，马尔科夫模型有时又称作可是马尔科夫(visible markov model, VMM),这在某种成都航限制了适应性。在隐马尔科夫模型(VMM)中，我们不知道模型所经过的状态序列，只知道状态的概率函数，也就是说，观察到的时间是状态的随机函数，因此...
分类：
其他好文 时间：
2014-07-16 19:00:00
阅读次数：
157
隐马尔科夫模型中有三个问题：1）估计问题：给定一个观察序列O=O1O2...OT和模型u = (A, B, π),如何快速地计算出给定模型u情况下，观察序列O的概率，即P(O|u)2）序列问题: 给定观察序列O=O1O2...OT和模型u = (A, B, π),如何快速有效地选择在一定意义下“最优...
分类：
其他好文 时间：
2014-07-16 18:59:53
阅读次数：
260
Markov Chain马尔科夫链(Markov chain)是一个具有马氏性的随机过程，其时间和状态参数都是离散的。马尔科夫链可用于描述系统在状态空间中的各种状态之间的转移情况，其中下一个状态仅依赖于当前状态。因为系统是随机变化的，所以不可能百分百预测出未来某个时刻的系统状态，但是我们可以预测出未...
分类：
其他好文 时间：
2014-07-12 00:37:55
阅读次数：
288
