用Matlab实现HMM

Question

我对HMM并不熟悉，但我想在Matlab中实现。我想用这个工具箱HMM Toolbox。我不确定我是否理解了我必须实施的方式。如果有不同类别的许多状态训练序列。所以这是我会做的方式：我通过[TRANS,EMIS] = hmmestimate(seq,states)这代表了HMM

我保存这些矩阵与类属

我做的信息计算每个序列的过渡和发射矩阵

1. 这对于每个训练序列
2. 如果我得到一个观测序列进行分类，我使用hmmviterbi（seq，TRANS，EMIS）函数来计算每个我已经保存的HMM的“可能性”。
3. 最“likelyness”一个（最高百分比）是我所盼望的HMM - >我知道类

这是我可以实现HMM的方式吗？

我希望你能给我一些提示

Btw。我知道我的英语不太好，但我希望这是可以理解的。

Answer 1

虽然我不知道matlab，并不能帮助你在那个领域，你的步骤听起来是正确的。以下是我将执行它们的步骤：

• 您首先使用您的训练集创建一个模型来表示该组。
• 针对您希望系统识别的每种情况重复此操作（例如，每种情况的模型）
• 当您有输入集时，将其与每个模型进行比较并保留概率/置信度分数。
• 比较这些分数，并选择最强的结果（只要它是在您设置的阈值）

编辑：我发现从以前的问题，一个很好的例子here。要回答你在评论中提供的链接是否正确，我不得不说是，但之前没有使用过HMM，所以无法确认这些功能的使用。我建议你看看上面问题链接的答案，并通过它，因为这是对我上面简单步骤的更深入的解释。