隐马可夫模型?
答案:1 悬赏:0
解决时间 2021-11-07 16:43
- 提问者网友:浩歌待明月
- 2021-11-07 11:21
隐马可夫模型?
最佳答案
- 二级知识专家网友:轻熟杀无赦
- 2021-11-07 12:32
隐马可夫模型简介一、关于马可夫链的几个基本概念1、马尔可夫性-无后效性,表示在已知系统现在所处的状态下,系统的将来的演变和去无关。其数学表示如下;对于一随机过程{X(t),t∈T},其状态空间S可数我们可以看到(n+1)的状态仅由n的状态决定,而与之前的状态无关。2、马尔可夫过程和马尔可夫链马尔可夫过程的状态空间S是连续的区间,马尔可夫链则是离散的可列集,在研究基因,我们使用的显然是马尔可夫链。3、马尔可夫链的转移概率和转移矩阵称作从α向β转移的概率4、齐次性(与具体时间无关性) 对任何m、n成立二、隐马可夫模型假设对于一个随机事件,有一个观察值序列:O1, …,Ot,该事件隐含着一个状态序列:X1, …,Xt假设1:马尔可夫假设(状态构成一阶马尔可夫链) P(Xi|Xi-1,…,X1) = P(Xi|Xi-1)假设2:不动性假设(状态与具体时间无关) P(Xi+1|Xi) = P(Xj+1|Xj),对任意i,j成立假设3:输出独立性假设(输出仅与当前状态有关) P(O1, …,Ot | X1, …,Xt) = Π P(Ot | Xt)在基因的识别模型中,观察值序列显然对应于DNA序列(或蛋白质序列),状态序列对于基因的功能区段(或蛋白质中类似结构域的片段);而假设1和假设2定义的是基因的功能序列的马尔可夫性和与起始状态无关性,假设3的意思可以理解为某一基因功能区对应的DNA序列只与该功能区段有关。这些假设在基因的模型中是否完全适用有待进一的检验,但从现有的知识和应用的结果来看是合理的。三、隐马可夫模型的定义一个隐马可夫模型包括五个参数:(Ωx,Ωo,A,B,π)其中: ΩX = {q1,...qN}:状态的有限集合 ΩO = {v1,...,vM}:观察值的有限集合 A = {aij},aij = P(Xt+1 = qj |Xt = qi):转移概率 B = {bik},bik = P(Ot = vk | Xt = qi):输出概率 π = {πi}, πi = P(X1 = qi):初始状态分布有了这些参数,我们就可以构建一个完整的模型来解决实际问题,但在这之前,先要问自己三个基本问题,几乎每一本讲隐马可夫模型的书里都会提到。1、 likelihood question(可能性的评估问题)对于给定模型,如何评估某个观察值序列符合这个模型的可能性,也就是说这个观察值序列在多大程度上符合给定的模型。2、 decoding question(解码问题)对于给定的模型和观察值序列,求可能性最大的状态序列。3、 learning question(学习问题)对于给定的一个观察值序列,如何根据此序列调整参数{A,B,π},获得合适的模型。四、隐马可夫模型的算法1、基本算法向前算法、向后算法、Viterbi算法2、学习算法EM算法、gradient descent、viterbi learning五、隐马可夫模型的应用1. multiple alignments2. database mining and classification of sequence and fragments3. structural analysis and pattern discovery
我要举报
如以上问答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息,可以点下面链接进行举报!
大家都在看
推荐资讯