Скрытая модель Маркова самый вероятный путь состояния
STATES = hmmviterbi(seq,TRANS,EMIS)
hmmviterbi(...,'Symbols',SYMBOLS)
hmmviterbi(...,'Statenames',STATENAMES)
STATES = hmmviterbi(seq,TRANS,EMIS)
учитывая последовательность, seq
, вычисляет наиболее вероятный путь через скрытую модель Маркова, заданную матрицей вероятности перехода, TRANS
, и матрица вероятности эмиссии EMIS
. TRANS(i,j)
вероятность перехода от i
состояния утверждать
j
. EMIS(i,k)
вероятность тот символ k
испускается от i
состояния.
Функциональный hmmviterbi
начинается с модели в состоянии 1 на шаге 0, до первой эмиссии. hmmviterbi
вычисляет наиболее вероятный путь на основе того, что модель начинается в состоянии 1.
hmmviterbi(...,'Symbols',SYMBOLS)
задает символы, которые испускаются. SYMBOLS
может быть числовой массив, массив строк или массив ячеек имен символов. Символы по умолчанию являются целыми числами 1
через N
, где N
количество возможной эмиссии.
hmmviterbi(...,'Statenames',STATENAMES)
задает имена состояний. STATENAMES
может быть числовой массив, массив строк или массив ячеек имен состояний. Имена состояния по умолчанию 1 через M
, где M
количество состояний.
trans = [0.95,0.05; 0.10,0.90]; emis = [1/6 1/6 1/6 1/6 1/6 1/6; 1/10 1/10 1/10 1/10 1/10 1/2]; [seq,states] = hmmgenerate(100,trans,emis); estimatedStates = hmmviterbi(seq,trans,emis); [seq,states] = ... hmmgenerate(100,trans,emis,... 'Statenames',{'fair';'loaded'}); estimatesStates = ... hmmviterbi(seq,trans,emis,... 'Statenames',{'fair';'loaded'});
[1] Durbin, R., С. Эдди, А. Крог и Г. Мичисон. Биологический анализ последовательности. Кембридж, Великобритания: Издательство Кембриджского университета, 1998.